小红书(xiaohongshu)招聘Dots-【Ace顶尖实习生】Long Horizon Agentic Task 能力提升研究
招聘职位：
Dots-【Ace顶尖实习生】Long Horizon Agentic Task 能力提升研究 搜索同类职位
岗位职责：
本课题聚焦于提升大模型在上百轮交互的超长程 Agent 任务中的自主执行能力，目标场景涵盖 CLI/GUI Computer Use、Software Engineering、科研与专业任务等，并致力于让模型从被动响应指令转变为能够主动推进任务的 Proactive Agent。当前面临的核心挑战贯穿训练与推理两侧：在训练侧，缺乏能够覆盖真实世界复杂性与多样性的 RL 训练环境，现有环境难以模拟长程任务中工具调用、状态变迁与多步依赖的真实分布；稀疏的结果奖励无法为上百步的中间过程提供有效训练信号，如何设计面向长程任务的 Reward Signal 与 Credit Assignment 机制是关键瓶颈；在推理侧，模型在长时执行中面临目标漂移、错误累积与上下文认知负载持续增长等问题，缺乏有效的自我监控与恢复能力。研究将围绕复杂真实多样的 RL 训练环境合成、特定场景下长程稀疏奖励下关键决策步骤的信用归因，以及主动规划与长程目标对齐等核心问题展开。
任职要求：
1、不限年级，本科及以上在读，计算机/人工智能/软件工程等相关专业优先；
2、优秀的代码能力、数据结构和基础算法功底，熟练掌握至少一门编程语言，包括但不限于Python等；
3、有LLM/MLLM等多模态理解技术背景，或大规模模型训练实际项目经验者优先；
4、在TPAMI/CVPR/NeurIPS/ICCV/ICML/ICLR等顶级期刊会议上发表相关论文者优先；
5、良好的沟通协作能力，责任心强，积极主动，能和团队一起探索新技术，推进技术进步。
本课题聚焦于提升大模型在上百轮交互的超长程 Agent 任务中的自主执行能力，目标场景涵盖 CLI/GUI Computer Use、Software Engineering、科研与专业任务等，并致力于让模型从被动响应指令转变为能够主动推进任务的 Proactive Agent。当前面临的核心挑战贯穿训练与推理两侧：在训练侧，缺乏能够覆盖真实世界复杂性与多样性的 RL 训练环境，现有环境难以模拟长程任务中工具调用、状态变迁与多步依赖的真实分布；稀疏的结果奖励无法为上百步的中间过程提供有效训练信号，如何设计面向长程任务的 Reward Signal 与 Credit Assignment 机制是关键瓶颈；在推理侧，模型在长时执行中面临目标漂移、错误累积与上下文认知负载持续增长等问题，缺乏有效的自我监控与恢复能力。研究将围绕复杂真实多样的 RL 训练环境合成、特定场景下长程稀疏奖励下关键决策步骤的信用归因，以及主动规划与长程目标对齐等核心问题展开。
任职要求：
1、不限年级，本科及以上在读，计算机/人工智能/软件工程等相关专业优先；
2、优秀的代码能力、数据结构和基础算法功底，熟练掌握至少一门编程语言，包括但不限于Python等；
3、有LLM/MLLM等多模态理解技术背景，或大规模模型训练实际项目经验者优先；
4、在TPAMI/CVPR/NeurIPS/ICCV/ICML/ICLR等顶级期刊会议上发表相关论文者优先；
5、良好的沟通协作能力，责任心强，积极主动，能和团队一起探索新技术，推进技术进步。
免责声明：
此信息由小红书官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“小红书官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！
