[北京]中移九天人工智能科技（北京）有限公司

职位：算法开发岗（智能体与强化学习）-金种子（北京）
发布时间：2026-09-03
工作地点：北京
信息来源：前程无忧(51JOB)
职位类型：全职
职位描述
职能类别:机器学习工程师
工作职责：
1、负责大模型智能体能力建设，负责智能体轨迹数据与RL训练环境体系搭建，分析真实用户场景与任务特性，提取典型任务流程与交互规则，设计构建可复现的容器化、沙箱化任务镜像，探索可验证任务数据生成与自动化评测方法，搭建贴近真实场景的智能体训练与执行环境；
2、深耕大模型智能体与强化学习前沿算法创新，跟踪复现LLM Agent与RL前沿技术，研究PPO、GRPO等算法在大规模语言模型中的应用，探索RL scaling、多任务强化学习、Agentic RL、长时序推理、多步规划、工具调用等核心能力，优化训练稳定性、样本效率与计算效率；
3、研发长程智能体核心能力，设计并优化智能体记忆与检索体系，搭建短期工作记忆与长期外部记忆的分层架构，研究记忆写入、更新、遗忘、冲突消解、上下文压缩等技术，结合RAG、Agentic Retrieval实现智能体主动知识检索，降低长交互Token开销，提升多轮对话状态一致性；
4、聚焦Long Horizon长时序强化学习训练系统研发，攻克百轮级长交互场景下稀疏奖励、信用归因、目标漂移、错误累积等核心难题，结合Critic Model、过程奖励模型（PRM）与环境反馈机制设计有效奖励策略，探索长上下文强化学习、搜索规划融合、自我反思与多Agent协作等优化方案；
5、研究长上下文复杂推理与任务规划技术，实现复杂问题分解、多文档信息整合、长程任务动态规划与状态纠错，解决上下文干扰、关键信息遗漏、跨文档依赖等问题，结合微调、偏好优化与强化学习优化智能体决策与执行闭环；
6、建设智能体与强化学习评测体系，围绕前沿Benchmark与真实业务场景设计自动化评测流程，持续跟踪Agentic RL、长程决策、奖励建模等前沿技术，具备论文复现、Benchmark分析与工程落地优化能力。
任职要求：
1、博士学历，计算机科学、人工智能、机器学习、自然语言处理、数学、自动化等相关专业，具备大模型、智能体、长上下文建模或强化学习相关研究与项目经历；
2、具备扎实的深度学习与NLP基础，深刻理解Transformer架构、注意力机制及大模型训练推理全流程，熟悉长上下文建模、长程依赖、位置外推、上下文干扰等核心技术难点；
3、熟练掌握Python、PyTorch，熟悉大模型后训练全流程，深入理解强化学习原理，熟悉PPO、GRPO等主流RL算法及其应用范式，熟悉VeRL、Slime、ROLL等RL训练框架，熟悉常见的分布式训练与推理加速工具；
4、具备完整智能体系统设计能力，熟练掌握Function Calling、Tool Use、ReAct、多步推理等核心能力，了解RAG、上下文压缩、智能体记忆检索、Agentic Retrieval、Critic Model、过程奖励建模等相关技术；
5、具备完善的数据治理与工程落地能力，可独立完成语料清洗、轨迹标注、数据集构建、实验验证与算法迭代，熟悉长时序信用分配、稀疏奖励优化、长程任务评测体系搭建，具备大规模强化学习管线搭建优化经验；
6、具备良好的科研探索与问题攻坚能力，有NeurIPS、ICML、ICLR、ACL、EMNLP、NAACL等顶会论文、ACM/ICPC等算法竞赛获奖、开源项目贡献或大模型科研项目经验者优先。 公司简要介绍：
公司名称:中移九天人工智能科技（北京）有限公司
公司类型:民营公司
公司规模:10000人以上
公司介绍:中移九天人工智能科技（北京）有限公司，公司规模为10000人以上，公司类型为民营公司，所属行业为通信/网络设备