【北斗实习】大模型算法研究员

【课题说明】 探索本地生活服务场景下的AI原生应用优化，包括Agentic RL相关前沿领域与业务的结合，拥有独特的垂直领域高质量数据（本地生活场景），获得在业内最前沿的大模型认知和技术积累，既能做前沿 Research，也有直接的落地场景。 【研究方向】 1. 探索模型通过 RL Scaling 等方式使用成套工具解决复杂问题的行动和规划能力，包括 Human in the Loop 多轮交互下 Agent 基础建模的新方案、以及与复杂环境的交互学习能力。 2. 探索模型在 Non-Rule Based Outcome 场景下利用复杂信息进行有效 Reasoning 推理的范式，包括 Proactive Agent 的建模方案 。 3. 探索研究更多内在奖励的机制，从而激发模型主动学习和自我更新的能力。 4. 探索构建长期记忆机制，为下一代高效的推理模型、长序列推理及建模提供基础。 【任职要求】 1. 博士在读优先，计算机、人工智能、自动化、数学、物理等相关专业。 2.在强化学习、语言模型、机器学习等一个或多个领域有较深入的研究者。 3. 好奇心驱动，具有出色的分析、解决问题的能力，有自主探索解决方案的能力者。 4. 具有良好的沟通协作能力，对追求纯粹的技术有强烈热情，工作积极主动，能够与团队融洽合作，一起探索新技术并快速试验想法，推进技术进步。