强化学习 / 自进化 实习生
北京校招实习技术 - 基础架构2026校园招聘职位 ID：A23533
职位描述
岗位介绍我们正在探索 AI4AI、自进化智能体与长程 Agentic Learning 等前沿方向。你将参与组内核心强化学习项目，与我们一起训练能够持续探索、自我改进并解决复杂任务的智能体。工作内容1、参与强化学习算法的设计、实现、实验与迭代2、搭建和优化 RL 训练基础设施，提高训练效率、稳定性与可扩展性3、参与 Agentic Coding、长程 Agent 及自进化系统的训练4、分析训练轨迹、奖励信号和数据分布，定位模型能力瓶颈5、设计和组织高质量训练数据与评测体系6、跟进并复现强化学习、Agent、自进化与具身智能领域的最新工作
职位要求
任职要求1、计算机、人工智能、自动化、数学等相关专业在读2、具备扎实的强化学习基础，理解常见算法及其训练机制3、算法能力强，能够快速理解论文并将想法落地为实验4、工程能力强，熟练使用 Python 和 PyTorch，具备良好的代码质量意识5、能独立完成实验设计、训练调试、结果分析与问题定位6、对 Agent、自进化、AI4AI 或具身智能方向有浓厚兴趣7、学习能力强，愿意面对开放性问题和高不确定性的研究任务加分项1、在强化学习、Agent、AI4AI、自进化或具身智能方向发表过相关论文2、有大规模 RL 训练、分布式训练或 RL Infra 建设经验3、有 LLM Post-training、RLHF、Agentic RL 或 SWE-bench 相关经验4、具备良好的“数据品位”：能够敏锐观察数据、轨迹和训练现象，并据此设计数据配比、采样策略与实验5、有优秀的开源项目、竞赛成绩或可展示的研究成果我们希望你不一定同时精通算法与基础设施，但至少在其中一个方向有突出能力，并愿意深入真实、复杂的强化学习训练问题。这里不仅是复现已有方法，你将有机会直接参与前沿方向探索，并对训练方案、数据设计、算法选择和系统实现产生实际影响。
投递
Sign in
To continue your applicationor continue with email
By continuing you agree to our Terms & Privacy Policy.
相似的工作
