Agent Coding 方向算法工程师（27届蚂蚁星）· 2026-09-01

蚂蚁星 27 届校招 · 训练自研 Coding Agent 模型，以真实研发场景与百万行级工业代码库为训练场

【团队介绍】 软件研发正在经历从「人写代码、AI 补全」到「AI 自主研发、人定义方向」的范式转移。我们正在构建 Agent 驱动的新一代研发体系，并训练自己的 Coding Agent 模型——以真实研发场景为训练场，以百万行级工业代码库为土壤，让模型在真实需求、真实验证、真实交付中持续进化。 【你将参与】 • 研发 Coding Agent 自研模型的算法体系，面向代码生成、缺陷修复、重构与评审等场景，设计 SFT、DPO 与 RLVR 训练方案，并探索长轨迹信用分配、过程奖励建模、On-policy Distillation 等 Agentic RL 前沿问题； • 深耕 Agentic RL：设计 Verifier 与 Reward 体系（测试验证、过程奖励、反投机惩罚），让每一次沙箱执行都产出干净、可信、可复用的训练信号； • 主导多 Runtime 混合训练：让自研模型在多套业界主流 Coding Agent 运行环境中完成 rollout，习得通用的编码能力，而非单一工具的偏好； • 建设任务工厂与数据飞轮：从真实仓库的 commit / PR / test diff 中持续合成可训练任务，让每一次真实交付都转化为训练与评测资产； • 突破仓库级代码理解与长链路任务规划：融合 AST、代码图谱（Code Graph）与混合检索，让 Agent 在复杂依赖拓扑中精准获取上下文，面对模糊需求时像资深工程师一样拆解、执行、验证与自我纠错； • 探索多 Agent 协同范式，建设架构师 Agent 驱动的动态 Workflow，支撑跨系统、多仓库、多接口的复杂需求端到端交付。 与我们一起，定义软件工程的下一代范式。

• 具备扎实的算法功底与优秀的工程实现能力，熟悉 Python，代码即作品； • 深入理解 LLM Post-training（SFT / DPO / RL），有代码大模型训练或 Agent 强化学习（RLVR）实践经验者优先； • 熟悉大规模 RL 训练系统，有 Agentic RL、Reward 建模或 Verifier 设计实战经验者优先； • 深入理解 ReAct、Reflexion、Plan-and-Execute 等 Agent 范式，对主流 Coding Agent 产品与开源生态有重度使用或贡献者优先； • 在 SWE-bench 等代码 Benchmark 上打出过成绩，或有训练任务构造、硬核开源项目、竞赛经历者优先； • 对「让机器自己写软件」有真正的信念，愿意为一个数量级的研发效能跃迁死磕到底。