2 个岗位· 2026-07-07

我们正在建设面向 Long-horizon Task 的 Agent 能力，包括复杂任务规划、多步工具调用、CLI / Agent harness 适配、长链路执行评测，以及训练数据和评测体系建设。该岗位会直接参与基座模型在 Agent 场景下的能力提升，重点关注模型能否在真实复杂任务中稳定完成多步推理、工具使用、代码执行和结果交付。 工作内容： 1. 参与 Long-horizon Agent 训练数据构建，包括任务设计、轨迹采集、数据合成、质量筛选与错误分析； 2. 参与面向 Coding Agent、Tool-use、CLI Agent、长链路任务执行等能力的模型训练与评测； 3. 参与 Agent harness、CLI 实验系统、自动化评测流程的建设，提升实验效率和结果可靠性； 4. 分析模型在长任务中的失败模式，如任务分解错误、工具调用错误、上下文遗忘、执行中断、结果不一致等，并提出数据、训练或系统侧改进方案。 工作地点：北京五道口。

1. 熟悉 LLM / Agent 基本方法，有 harness 优化、模型训练、Agent 评测或数据构建经验者优先； 2. 了解主流 Coding Agent / CLI Agent 产品或框架，对 agentic coding、tool-use、long-horizon task 有实际使用或研究经验； 3. 工程能力强，能够独立完成实验系统、数据流程或评测流程的开发与维护； 4. 重视实验可靠性，能进行清晰的错误分析、指标设计和结果复现； 5. 有开源项目、顶会论文、基座模型训练、Agent benchmark 或复杂任务评测经验者优先； 6. 硕士 / 博士优先，能力很强的本科生也欢迎投递； 7. 2028 年及之后毕业，实习至少 6 个月，每周实习 4 天及以上。 投递方式：发送简历至 [email protected]，邮件标题建议：Long-horizon Agent 实习生 - 姓名 - 学校。

1. 数据优化：Mid-train与SFT数据优化，高质量数据合成，优化模型在复杂指令遵循、推理、创作、幻觉、安全等方面的基础能力，提升用户体验。 2. Reward Model：从效果、鲁棒性和可解释性等方面优化Reward Model，探索Agentic场景下的GRM/PRM。 3. RL算法优化：优化解决RL训练中的训练效果、稳定性、Reward-hack等问题，优化多目标RL以及多任务联合训练，探索新的RL范式。

1. 有数据合成或LLM训练经验，熟悉或实践过Pretrain、SFT、PPO、GRPO等方法 2. 硕士/博士优先（或能力极强的本科生），对RL有较好的理解 3. 强工程和算法落地能力，重视工程实现和可靠性 4. 有开源项目、顶会论文、基座模型训练经验的相关研究经验者优先 5. 每周工作4天及以上，实习至少4个月