课题背景：课题背景： Agent 正在成为下一代生产力系统的核心入口，也是通往 AGI 最重要的技术路径之一。 我们团队致力于通过高质量数据构建与大规模强化学习，从预训练到后训练全链路持续提升混元基础模型的 Agentic 能力；同时探索新的 human-agent-environment 交互方式，推动模型能力与产品体验共同演进。 我们希望 Agent 能真正成为普通人、开发者与科研工作者的生产力工具，并期待与你一起推动这件事发生。 课题挑战： 1.高质量 Agentic 数据构建： 构建覆盖真实任务、工具调用和长程交互的高质量数据体系。解决任务生成、环境搭建、轨迹采集、结果验证以及难度与多样性控制等问题，规模化沉淀高价值数据。 2.大规模 Agentic RL 训练： 面向长时程、多步骤、稀疏奖励的 Agent 任务，探索稳定高效的强化学习方法。重点解决长轨迹信用分配、有效探索、奖励建模、训练稳定性和环境吞吐等问题，提升模型在复杂环境中的规划、执行与自我纠错能力。 3.Agent Harness 设计： 设计支撑 Agent 长程运行的系统框架，统一模型、工具与环境的交互边界，处理上下文管理、任务调度、状态持久化、并发执行与故障恢复。构建稳定、可扩展、可插拔的极简 Harness，实现脚手架与模型共同进化。 4.Agent 可观测性设计： 建立覆盖任务、模型、工具和环境的全链路观测体系，让 Agent 的执行过程能够被理解、评估和复现。围绕行为轨迹追踪、失败归因、能力评测、异常检测和线上反馈闭环，提升 Agent 的可调试性、可靠性与持续迭代效率。

课题要求：我们关注三个核心的方向： 1.Coding Agent：你将深入参与 Coding Agent 的研究与落地，包括复杂代码库理解、工具调用、长链软件任务执行、真实环境交互、agent trajectory 建模、可验证训练数据构造，以及面向真实研发场景和用户体验的能力建设。核心目标是让 Agent 像真正的工程师一样完成端到端的软件工程任务。 2.Productivity Agent：你将参与构建面向真实工作与生活场景的生产力 Agent，探索 computer use、多工具协同、长期记忆、个性化上下文建模、腾讯生态深度交互等关键能力，核心目标是让 Agent 成为真正能够与用户长期协作、越用越懂你的 coworker。 3.Research Agent：你将参与 Agent 在 AI 自动化与科学研发自动化中的前沿探索，包括自动化训练流程、实验系统构建、研究任务分解、反馈驱动迭代，以及迈向 AI Scientist 所需的能力基座设计。你将有机会参与定义 Agent 如何加速 AI 自身的发展，并进入更高价值的科学探索场景。 课题要求 技术技能要求：1.在 Agent、LLM 或相关方向有深入实践，对复杂任务求解、长链路推理、多工具调用、环境交互或特定应用场景有丰富的研究或落地经验；2.具备扎实的工程实现能力，熟练掌握 Python、C/C++ 等至少一种编程语言，熟悉 Agent 系统搭建中的核心模块，包括任务规划、工具调用、记忆机制、轨迹建模、反馈闭环等，并对相关数据构建与训练流程有实践经验；3.重度使用 Cursor / Claude Code / Codex 等 AI 编程工具，对 agentic coding 的能力边界和失效模式有清晰判断——知道它在什么任务上可靠，在什么场景下会翻车4.有高质量论文发表者优先，特别是在 Agent、复杂推理、环境交互、长上下文建模、数据合成或特定垂域能力突破等方向；5.对代码质量要求严格，代码是给未来的 AI 和人一起维护的，可读性、架构等缺一不可 软性素质要求： 具备强烈的进取心、自驱力及跨领域学习能力，良好的团队协作精神，对推动 Agent 成为下一代生产力入口、实现更强通用智能能力充满热情。 具备极客精神，喜欢折腾新技术，享受新技术带来的生产力突破，拥有一定的全栈工程能力和系统设计功底