日常实习生-Agent User Alignment 日常实习生-Qwen基础模型

AI 摘要智能生成

你将结合研究兴趣与技术背景，参与以下一个或多个方向

职位描述

参与 Qwen 在 Coding 与 Agent 场景下的 User Alignment 研究，以真实用户体验驱动模型能力与行为优化，围绕数据构建、强化学习与模型自我改进开展算法实验，推动真实用户体验与模型 Intelligence 的协同提升。 你将结合研究兴趣与技术背景，参与以下一个或多个方向： 1. Code User Alignment：面向真实用户代码任务，参与代码库理解、复杂代码修改与 Execution Feedback Learning 研究，通过数据构建与模型训练，提升代码正确性、交付质量和执行效率。 2. Agentic RL & Reward Modeling：参与面向 Agent 任务的奖励建模与强化学习研究，结合 Code Verifier、Evolving Rubrics 与用户偏好，探索 Outcome / Process Reward、Credit Assignment 与 Policy Optimization。 3. Agent Experience Flywheel：参与真实用户日志驱动的数据飞轮建设，从用户反馈与交互轨迹中分析失败模式，开展任务重建、Hard Case Mining、数据合成与轨迹优化，将真实体验问题转化为高质量训练数据。 4. Behavior Self-Improvement：参与 Agent 行为自我改进研究，探索模型如何从自主探索与执行反馈中学习，通过 Middle Training、SFT 与 RL 实验，验证模型持续提升能力的方法。

任职要求

• 计算机、人工智能等相关专业在校生，具备良好的机器学习基础与编程能力，熟悉 Python、PyTorch。
• 对大模型与 Agent 研究有浓厚兴趣，了解 SFT、强化学习或奖励建模的基本方法。
• 能够阅读研究论文、实现算法并开展对照实验，对实验结果和失败案例进行细致分析。
• 有 Coding Agent、模型训练、数据合成或相关科研项目经验者优先；有高质量论文或开源贡献者优先。
• 你将获得
• 参与 Qwen 模型算法研究与训练实践的机会，围绕真实问题开展从方案设计到模型优化的完整实验。
• 算法研究与工程实践指导，深入探索 Agentic RL、User Alignment 与模型自我改进方向。
• 研究成果有机会应用于 Qwen 模型，直接改善真实用户的使用体验。