研究型实习生-Agentic RL-Accio Work

AI 摘要智能生成

算法研究与优化： 探索 Agentic RL 的

职位描述

Accio 是一个追求极致的 AI Native Agent 产品/团队。我们不只是在做工具，而是在重塑人机交互的未来。在这里，我们为你提供充足的计算资源（H100/B200 集群支持）、深厚的研究氛围，以及由师兄（AI PhD & 顶会常客）亲自带队的指导。 本项目旨在通过 RL 与其它后训练方法，优化 LLM/VLM 的 Agentic 能力，解决包括但不限于复杂指令遵循、Efficient tool use、Test-time Agnostic 等问题。 1. 大规模后训练实践： 参与构建针对 Agent 能力的训练数据及环境，利用分布式训练框架（如 Megatron-LM, verl）进行大规模模型调优。 2. 算法研究与优化： 探索 Agentic RL 的前沿算法，产出 Novelty 和实用性兼具的工作。 3. 前沿追踪：Follow 最新的学术工作，例如复现 GAIA, BrowseComp, HLE 等最新测试集上的 SOTA 方案。

任职要求

• 2027年11月及之后毕业，硕士及以上学历，计算机、人工智能、信息科学、数学、软件工程等相关专业优先；
• 背景： 熟悉大模型训练流程；
• 技术栈： 熟悉 PyTorch，对 VeRL 、slime 等 RL 框架和分布式并行策略（TP/PP/DP/CP）有实操经验；
• 良好的论文阅读与工程实现能力，希望在顶会（NeurIPS, ICLR, CVPR）发表过高影响力工作。