1、研究实用的后对齐RL算法，打造稳定鲁棒的reasoning+agent的RL训练体系；

2、探索超大规模模型，并进行极致系统优化；

3、基础模型后训练端到端指标优化；

4、Code Agent与通用Agent的数据建设和模型优化；

5、Agent真实应用场景的优化探索。

1、国内外高校研究生在读，人工智能、计算机、自动化、数学相关专业优先；

2、扎实的机器学习基础，熟悉NLP、RL领域的技术，在ACL/EMNLP/NAACL/NeurIPS/ICML/ICLR等顶级会议上发表论文者优先；

3、优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python，ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；

4、在大模型领域、Agent领域或RL领域，主导过大影响力的项目或论文者优先；

5、出色的问题分析和解决能力，能深入解决大模型训练和应用存在的问题，有自主探索解决方案的能力；

6、良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。