Code Agent 研究员（日常实习）· 2026-07-22

做真正落地的 Agent RL：构建面向真实复杂任务的 Code Agent / 多模态 Agent。适合 27/28 届及以后，优秀同学有留用/转正机会。

我们正在构建面向真实复杂任务的 Code Agent / 多模态 Agent，不只局限于写代码，也包括搜索、浏览器、terminal、图片分析创作等工具调用，探索长短期规划、深度思考和 multi-agent 协同完成复杂任务。 1. 用强化学习提升 Agent 的规划、反思、工具调用能力。 2. 探索人机协同的高质量数据挖掘与合成，提升 Agent 的规划和工具使用能力。 3. 构建 Code Agent 基础能力，包括 planning、测例、代码生成等。 4. 构建多模态 Agent，提升多模态大模型 RLHF 中的训练效果。 5. 搭建 Code Agent 自动化评测和 Docker 环境生成能力。 适合 27/28 届及以后的同学投递，base 北京/上海，优秀同学有留用/转正机会。

希望你具备： 1. 了解 Alignment 领域常用方法，包括 SFT、DPO、PPO、RFT、Self-Rewarding、Self-Critic 等。 2. 机器学习基础扎实，编码能力强，能熟练使用 PyTorch，熟悉 Megatron 等大规模训练框架更好。 3. 在 NLP / CV / RL 至少一个方向有深入研究经历，或通过机器学习算法解决过复杂问题，特别欢迎跨界研究者。 4. 实验分析与问题解决能力强，有创新思维，沟通协作顺畅。 加分项： 1. 有编程竞赛经历或软件工程背景。 2. 计算机、电子、物理、数学等专业硕博背景优先。 3. 有 ICML / ICLR / NeurIPS / ACL / CVPR 等顶会研究成果。 4. ACM / ICPC / NOI / IOI / Kaggle 等竞赛获奖经历优先。 5. 主导或参与过有影响力的 AI 开源 / 闭源项目。