岗位描述
关于我们 我们是一家专注于大模型能力边界拓展的团队,核心方向覆盖 LLM 后训练(Post-Training)、Agent 长期记忆(Agent Memory)与递归自我改进(Recursive Self-Improvement, RSI)。我们相信下一代智能体系统的关键突破,来自"训练—记忆—自进化"三者的闭环协同。团队氛围偏研究驱动,鼓励发表、开源与快速实验迭代。 岗位方向 • 研究并落地 SFT、RLHF、DPO/GRPO 等对齐与偏好优化方法 • 探索推理增强(RLVR、过程奖励、测试时计算扩展)与能力蒸馏 • 构建高质量数据合成、筛选与课程学习(Curriculum)管线 • 负责后训练实验设计、评测体系与规模化训练稳定性 • 设计 Agent 的短期/长期记忆架构(工作记忆、情景记忆、语义记忆) • 研究记忆的写入、检索、压缩、遗忘与冲突消解机制 • 探索记忆与 RAG、工具调用、多轮任务规划的协同 • 构建记忆能力的评测基准与端到端 Agent 任务验证 • 研究模型自我改进闭环:自我批判、自我生成训练数据、自我评测 • 探索 Agent 自主发现改进点、自动构造训练任务与验证信号 • 研究改进过程的稳定性、防退化(reward hacking / collapse)与可验证性 • 推动 RSI 从概念验证走向可度量、可复现的系统