【Plan A】大模型Agentic RL算法工程师-百灵-27届

岗位职责

团队主要负责百灵Agentic 核心能力 的研发与迭代，构建出端到端解决复杂生产任务的智能体技术。团队既要提升模型在复杂任务规划、工具调用上的端到端表现；又要深入底层，解决训练吞吐、推理延迟、以及 Agentic 交互环境（Sandboxing）背后的资源调度与性能瓶颈问题。 Ling Team 聚焦百灵模型家族的核心算法创新。在本岗位下，你将主导百灵大模型在特定 Agent应用场景下的效果优化，构建下一代具备高度Agentic能力的模型，使其从单纯的文本生成器进化为能够解决复杂现实问题的智能体。

主要职责包括：

1. Agentic能力构建： 负责大模型在 Agent场景下的后训练（SFT/RLHF）算法研发，重点提升模型的复杂指令遵循、多步推理（Reasoning）、工具使用（Tool Use）及任务规划能力；
2. 训练范式创新： 探索并设计针对 Agent 场景的高效训练范式（如 Process Reward Models, Self-Play,Iterative Refinement），解决长链路任务中的误差累积和鲁棒性问题；
3. 数据策略与合成： 设计高质量的 Agentic 训练数据合成方案（Data Synthesis），通过构造复杂环境交互数据，驱动模型能力的Scaling；
4. 模型评估与分析： 建立针对 Agent 能力的系统性评估体系，通过严谨的实验分析（AblationStudy）定位模型短板，指导算法迭代方向；
5. 前沿技术落地： 紧密跟踪 MoE、Long Context 等前沿技术，并在复杂工程约束下，将算法创新转化为实际的模型性能提升。

任职要求

1. 理论基础扎实： 拥有深厚的深度学习与非凸优化理论功底，具备从第一性原理（FirstPrinciples）对复杂问题进行数学建模和拆解的能力；
2. 架构深度理解： 深入掌握 Transformer 及其变体架构，熟悉 MoE（混合专家模型）机制及主流 LLM 的底层实现细节；
3. 后训练范式： 精通 SFT（监督微调）、RLHF（人类反馈强化学习）、DPO/PPO 等对齐算法，深刻理解Alignment（对齐）背后的数学原理与优化挑战；
4. Agentic 实战经验： 具备复杂 Agentic 系统（如 Tool-use, Reasoning,Planning）的训练与全链路搭建经验，理解 Agent 在复杂环境下的交互逻辑；
5. 科学实验素养： 具备独立设计实验、进行严谨消融实验（Ablation Study）及归因分析的能力，能在复杂工程约束下做出最优算法决策。

加分项

1. 在顶会 / 顶刊发表过相关论文；
2. 有 MoE 或新型 Attention 设计经验；
3. 有 Agentic 模型或工具调用训练经验；
4. 有长上下文（100K+）能力训练经验；
5. 参与过 100B 以上参数规模的模型训练；
6. 各类高水平竞赛金牌选手。

特色标签

Agent、LLM、Mixture of Experts、Python、Reinforcement Learning、Reinforcement Learning from Human Feedback、Shell、Supervised Fine-Tuning、人类反馈强化学习、任务规划、分布式训练、参加算法相关竞赛/获奖、发表算法相关优秀论文、多步推理、大模型算法、大语言模型、工具使用、工具调用、强化学习、推理、智能体、模型加速/性能优化、深度学习、混合专家模型、监督微调、自主智能体、自然语言处理算法、规划能力、长上下文、长文本