研究型实习生-UI Agent一致性强化学习：Think-Action闭环奖励优化模型

岗位描述
研究领域：
多模态大模型
项目简介：
UI Agent常因“思考路径”与“执行动作”不一致导致操作错误（如think中的动作为“提交表单”却在action选择“取消”）。现有rule-based RL奖励设计粗糙，无法有效约束“认知-行为”链条的可信性。需构建一致性感知奖励模型，从决策逻辑层面提升可靠性。

岗位要求
研究领域：
-目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位
-具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go
-具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究
优先录用：
-对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色
-在国际会议上或核心期刊发表一份或多份出版物或论文
-至少3个月的全职工作