岗位描述
参与 Qwen 在 Coding 与 Agent 场景下的 User Alignment 研究,以真实用户体验驱动模型能力与行为优化,围绕数据构建、强化学习与模型自我改进开展算法实验,推动真实用户体验与模型 Intelligence 的协同提升。 你将结合研究兴趣与技术背景,参与以下一个或多个方向: 1. Code User Alignment:面向真实用户代码任务,参与代码库理解、复杂代码修改与 Execution Feedback Learning 研究,通过数据构建与模型训练,提升代码正确性、交付质量和执行效率。 2. Agentic RL & Reward Modeling:参与面向 Agent 任务的奖励建模与强化学习研究,结合 Code Verifier、Evolving Rubrics 与用户偏好,探索 Outcome / Process Reward、Credit Assignment 与 Policy Optimization。 3. Agent Experience Flywheel:参与真实用户日志驱动的数据飞轮建设,从用户反馈与交互轨迹中分析失败模式,开展任务重建、Hard Case Mining、数据合成与轨迹优化,将真实体验问题转化为高质量训练数据。 4. Behavior Self-Improvement:参与 Agent 行为自我改进研究,探索模型如何从自主探索与执行反馈中学习,通过 Middle Training、SFT 与 RL 实验,验证模型持续提升能力的方法。