【工作职责】 我们相信，通向更高阶智能的路径不止于更大的 LLM。 Post-Training 正在成为模型能力跃迁的关键阶段：从 学会语言 走向 理解世界、优化行为、持续进化 。该岗位将深度参与 多模态、强化学习、自进化 Agent 系统 等前沿方向，探索超越纯预训练范式的新能力边界，构建可持续学习、可记忆、可进化的智能系统。 在 Proactive Agent、CLI/GUI 计算机控制，高价值专业知识任务、深度信息获取、 软件工程等任务上，提升模型的 Agentic 能力，让模型在高复杂度真实任务上达到行业前沿水平; 构建复杂、多样、多模态、可验证的 RL 环境，在复杂 harness 上开展 blackbox RL 训练,提升模型在长程、多工具、真实环境中的规划、执行与反思能力; 研究超长程任务下的多智能体协作、长程记忆与跨任务经验的积累复用； 建设可规模化的 Agent 训练环境与评测体系。 【任职要求】 基础要求 扎实的机器学习 / 深度学习基础，对模型训练全流程有深入理解 熟悉至少一个方向： 强化学习（RL Scaling / RLAIF / Online RL 等） 多模态学习（尤其是视频、时序、感知建模） Agent / 多智能体系统 良好的工程能力，能将研究想法落地为稳定系统 加分项 有大模型 Post-Training 或 MOE RL Scaling 实战经验 RL Algo & Infra co-design 对 Token 效率、推理效率、多尺度学习 等问题有深入思考 参与过 Agent 系统或复杂训练闭环的设计 有 系统思维 ，不满足于单点指标提升