Agentic Reasoning 后训练· 2026-09-10

dots 团队 Agentic Reasoning 后训练招聘。在 2026 年 7 月的 IMO2026 中，我们在有限时间内取得了官方认证的满分金牌成绩。接下来还将继续探索 AI For Math 的前沿能力，并将范式推广到竞赛编程 / 科学研究等更广阔的推理场景，欢迎有实习意愿的同学投递简历。工作地点上海优先，其次北京；工作类型实习优先 / 校招社招。

工作职责： 1. Frontier-level Math Agent：探索数学推理能力边界，推进 AI for Math 领域的发展； 2. Competitive Coding Agent：提升竞赛编程能力，探索超长程高难度推理能力的边界； 3. RSI（Recursive Self-Improvement）：探索模型如何参与并改进自身的数据生成、训练、评测与 Agent 执行链路，形成持续迭代、自我改进的能力闭环。

学历要求：本科及以上。 任职资格： · 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：具备严密的分析能力，能够从复杂现象中抽象出底层问题，并通过实验快速验证关键假设； · 专业能力：深刻理解 RL 训练中的核心问题，包括 Reward Hacking、训推一致性等真实挑战； · 算法与数据能力：具备优秀的算法实现能力和数据敏锐度，能够从实验结果与失败 case 中提炼推动模型效果提升的 insight。 加分项： · 有数学竞赛（IMO/CMO/...）奖项者优先； · 有竞赛编程（ACM/ICPC/Codeforces）名次 / 奖项者优先； · 研究成果：在 NeurIPS、ICLR、ICML 等顶级会议发表过高水平成果，或主导过有影响力的开源项目者优先；具有其他大模型团队实习或研发经历者优先； · 工程和研究品味：熟悉数据合成、训练、Rollout、Sandbox、评测等完整链路，能够独立定位和解决系统问题；不迷信 Benchmark、训练 schema 或既有 pipeline，能够主动质疑并通过实验重新验证。 欢迎带简历来聊～