返回岗位列表

Agent RL算法研究员

查看原岗位

地点：北京薪资：30-35K 日期：2026-05-22

岗位摘要

利用强化学习方法改进智能体的规划、反思及工具调用能力；探索基于人机协同的高质量数据挖掘与合成，以加强智能体的规划和工具利用能力；构建多模态智能体，提升多模态大模型RLHF中的训练效果；构建智能体自动化评测体系

岗位职责

利用强化学习方法改进智能体的规划、反思及工具调用能力
探索基于人机协同的高质量数据挖掘与合成，以加强智能体的规划和工具利用能力
构建多模态智能体，提升多模态大模型RLHF中的训练效果
构建智能体自动化评测体系

任职要求

预计毕业时间为2025年9月至2026年8月的国内外优秀本科生或研究生
具备扎实的机器学习基础和强悍的编码能力，熟练使用PyTorch，熟悉Megatron等大规模训练框架
了解Alignment领域的常用方法，包括SFT、DPO、PPO、Self-Rewarding和Self-Critic等
在NLP/CV/RL等至少一个AI领域中有过深入研究经历，或通过机器学习算法解决过复杂问题
具备卓越的实验分析与问题解决能力，有创新思维，能够良好沟通并与团队高效协作

加分项

有 ICML、ICLR、NeurIPS、ACL、CVPR 等顶级学术会议发表过有影响力研究成果的优先
在 ACM/ICPC、NOI/IOI、Kaggle 等编程/AI 比赛获奖者优先
主导、参与过 AI 相关的有大影响力的开源/闭源项目的优先
上海阶跃星辰智能科技 · 校招HR

福利待遇

薪资30-35K·16薪，具有竞争力的薪酬待遇
参与前沿大模型与智能体技术研究的机会
与顶级AI研究团队紧密协作，共同探索多模态智能体技术边界

工作地址

北京海淀区大恒科技大厦12F