Agent 后训练研究员

【岗位职责】 1. 环境与评测：负责具身环境、任务集和 benchmark 建设，明确模型可见观察、动作、奖励及终止条件，设计基线与泛化评测，优化大规模分布式环境交互的并行效率。 2. 专家数据与 SFT：设计并优化自适应、可扩展的专家轨迹生成与 SFT 流水线，解决多轮工具调用、失败恢复及多模态上下文等问题，保障训练与部署输入一致，持续提升数据质量、训练效果与效率。 3. Agentic RL：基于现有开源推理和训练后端建设和改进 SFT/RL 架构，负责在线 rollout、奖励设计与策略优化，定位并解决采样吞吐、资源利用和训练稳定性等关键问题。 4. 长程任务与通用算法探索：围绕稀疏反馈、信用分配、任务分解与规划、长程记忆等通用与泛化问题，独立开展方法设计、实现和实验分析，通过对照与消融验证算法收益。 5. 工程迭代：结合日志、轨迹和训练指标分析工具调用错误、训练退化、奖励投机或泛化…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 21411 个北京岗位（全城各职能合计），其中 2446 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 5.5K ~ 19K（25~75 分位），中位约 9K，最低 1K、最高 300K。