研究方向： 超越传统的监督学习，利用强化学习探索智能体在复杂环境中的策略优化与自我进化；利用大模型训练或Harness，提升大模型在多轮业务交互中的创造性及准确性。 任职要求： 1、计算机、人工智能等相关专业的博士、硕士或特别优秀的高年级本科生开放； 2、工程代码能力强或理论功底扎实或业务理解透彻； 3、（加分项）发表过一作顶会论文，包括ICML/NeurIPS/ICLR、ACL/EMNLP、CVPR/ICCV/ECCV等； 4、（加分项）在AgentHarness/RL在角色扮演聊天/短剧创作等场景有相关论文发表，并具备一定的大规模训练经验； 5、（加分项）有AgenticRL相关工程或研究经验，熟悉常用的trainingengine和inferenceengine(vLLM/SGLang)，并对Agent有一定的了解； 6、（加分项）有AgenticRL相关业务数据标注和评测链路经验。