【工作职责】 1、Self Evolving：提升模型进行机器学习与大模型优化的能力，探索以 AI 加速 AI 研发的新范式：让模型参与到自身的训练、部署及 Agent 调度机制的迭代中，把改进的对象从"模型本身"抬升到"产生模型的研发流程"，构建可递归的能力增益回路，持续寻找下一代能力增长曲线。 2、Lifelong Learning：探索模型"学会学习"的 Meta 能力：让模型在与陌生、开放环境的在线交互中持续更新自身内部状态，无需重新训练即可积累经验，不断提升长期的 decision making 与任务完成能力。 3、Scalable Oversigh：在难以 verify 的 fuzzy / 开放式任务上，突破人类监督的扩展性瓶颈：研究可扩展的监督、自我评估与自我修正机制，让监督信号的质量能随模型能力一同增长，降低对外部人工反馈的依赖。 【任职要求】 基础要求 基础能力:扎实的机器学习与深度学习基础,对大模型训练全流程(pretrain / mid-train / post-train)有深入理解; 解决问题:逻辑严密的分析能力,能从复杂现象中抽象出底层问题并给出系统性方案; 专业能力:深刻理解并能解决 RL 训练中的核心问题,包括 Reward Hacking、Training Stability、Exploration Efficiency,以及长程信用分配、环境噪声 / 非-policy 负向 reward、训推一致性等真实工程化挑战; 动手能力:优秀的算法实现能力与工程性能感知,具备优秀的数据敏锐度,能从数据中提炼出让模型效果突破的 insight。 加分项 研究成果:在 NeurIPS、ICLR、ICML、CVPR、ACL 等顶级会议发表过高水平成果,或主导过知名开源项目者优先; 工程与系统:熟悉大规模 RL 训练基础设施(rollout / 采样加速、sandbox 与 trajectory replay、训推框架),或有 agent harness / 可验证环境搭建经验者优先; 敏锐的直觉和探索精神:具备极强的好奇心,能在高度不确定的无人区中通过严谨实验寻找确定性;不满足于优化已有 Benchmark,而对"模型是否真的在理解、在进化"保持极度敏感。