混元基座模型-Code&Agent研究

关于这个机会

课题背景： Agent 正在成为下一代生产力系统的核心入口，也是通往 AGI 最重要的技术路径之一。 我们团队致力于通过高质量数据构建与大规模强化学习，从预训练到后训练全链路持续提升混元基础模型的 Agentic 能力；同时探索新的 human-agent-environment 交互方式，推动模型能力与产品体验共同演进。 我们希望 Agent 能真正成为普通人、开发者与科研工作者的生产力工具，并期待与你一起推动这件事发生。 课题挑战： 1.高质量 Agentic 数据构建： 构建覆盖真实任务、工具调用和长程交互的高质量数据体系。解决任务生成、环境搭建、轨迹采集、结果验证以及难度与多样性控制等问题，规模化沉淀高价值数据。 2.大规模 Agentic RL 训练： 面向长时程、多步骤、稀疏奖励的 Agent 任务，探索稳定高效的强化学习方法。重点解决长轨迹信用分配、有效探索、奖励建模、训练稳定性和环境吞吐等问题，提升模型在复杂环境中的规划、执行与自我纠错能力。 3.Agent Harness 设计： 设计支撑 Agent 长程运行的系统框架，统一模型、工具与环境的交互边界，处理上下文管理、任务调度、状态持久化、并发执行与故障恢复。构建稳定、可扩展、可插拔的极简 Harness，实现脚手架与模型共同进化。 4.Agent 可观测性设计： 建立覆盖任务、模型、工具和环境的全链路观测体系，让 Agent 的执行过程能够被理解、评估和复现。围绕行为轨迹追踪、失败归因、能力评测、异常检测和线上反馈闭环，提升 Agent 的可调试性、可靠性与持续迭代效率。

任职要求

我们关注三个核心的方向： 1.Coding Agent：你将深入参与 Coding Agent 的研究与落地，包括复杂代码库理解、工具调用、长链软件任务执行、真实环境交互、agent trajectory 建模、可验证训练数据构造，以及面向真实研发场景和用户体验的能力建设。核心目标是让 Agent 像真正的工程师一样完成端到端的软件工程任务。 2.Productivity Agent：你将参与构建面向真实工作与生活场景的生产力 Agent，探索 computer use、多工具协同、长期记忆、个性化上下文建模、腾讯生态深度交互等关键能力，核心目标是让 Agent 成为真正能够与用户长期协作、越用越懂你的 coworker。 3.Research Agent：你将参与 Agent 在 AI 自动化与科学研发自动化中的前沿探索，包括自动化训练流程、实验系统构建、研究任务分解、反馈驱动迭代，以及迈向 AI Scientist 所需的能力基座设计。你将有机会参与定义 Agent 如何加速 AI 自身的发展，并进入更高价值的科学探索场景。 课题要求 技术技能要求：1.在 Agent、LLM 或相关方向有深入实践，对复杂任务求解、长链路推理、多工具调用、环境交互或特定应用场景有丰富的研究或落地经验；2.具备扎实的工程实现能力，熟练掌握 Python、C/C++ 等至少一种编程语言，熟悉 Agent 系统搭建中的核心模块，包括任务规划、工具调用、记忆机制、轨迹建模、反馈闭环等，并对相关数据构建与训练流程有实践经验；3.重度使用 Cursor / Claude Code / Codex 等 AI 编程工具，对 agentic coding 的能力边界和失效模式有清晰判断——知道它在什么任务上可靠，在什么场景下会翻车4.有高质量论文发表者优先，特别是在 Agent、复杂推理、环境交互、长上下文建模、数据合成或特定垂域能力突破等方向；5.对代码质量要求严格，代码是给未来的 AI 和人一起维护的，可读性、架构等缺一不可 软性素质要求： 具备强烈的进取心、自驱力及跨领域学习能力，良好的团队协作精神，对推动 Agent 成为下一代生产力入口、实现更强通用智能能力充满热情。 具备极客精神，喜欢折腾新技术，享受新技术带来的生产力突破，拥有一定的全栈工程能力和系统设计功底

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。