Agent 强化学习算法技术专家

工作内容
工作方向：智能体强化学习、在线策略迭代、真实业务场景算法落地。
1、面向Agent真实业务场景，负责端到端多轮交互智能体强化学习方案设计、算法选型、训练链路搭建与策略迭代，攻克长程复杂任务下决策可靠性、任务成功率、稀疏奖励等核心难题；
2、跟踪并落地前沿 RL 对齐算法，完成策略优化、奖励模型迭代，设计离线仿真 + 线上真实环境联合评估体系；
3、带领算法小组开展技术预研与方案落地，推动算法效果闭环；
4、构建 Agent 训练数据集、评测基准与自动化实验工具链，支撑团队高效迭代。

任职条件
1、硕士及以上学历，计算机、自然语言处理、人工智能等相关专业，3 年及以上大模型 Agent 强化学习实战经验；
2、必备能力：拥有多轮交互 Agent 端到端 RL 完整优化实战经历，熟悉图文多模态大模型，熟悉主流前沿 RL 对齐算法，理解长序列决策优化逻辑；
3、优先加分：
a、具备 DeepResearch 类长链路复杂任务优化经验；
b、语音助手/GUI/Web/桌面智能体等agent相关业务落地经验；
c、有顶会论文、技术专利或标杆项目；
4、具备较强问题定位与归因能力，能够从真实业务失败样本中提炼算法短板，设计严谨对照实验验证优化收益；
5、具备小团队技术带队能力，擅长技术攻坚与团队协同，既能做前沿探索，也能直面业务噪声推动落地；