岗位描述
1、参与多模态大模型 Agent 的递归自我改进算法研究，设计模型自主发现问题、生成任务、构造反馈并更新模型的闭环流程。 2、探索模型导向的 RSI 方法，包括自博弈、Challenger–Solver、Verifier / Judge 共进化、自动课程学习、在线后训练和模型权重持续更新。 3、参与多模态后训练数据构建，包括任务数据、Agent 轨迹、偏好数据、难例数据、负样本和多轮交互数据的自动 生成、筛选与质量控制。 4、研究适用于开放式多模态任务的 Verifier、Reward Model、Rubric 和自动评测方法，提升反馈信号的准确性、稳定性和可扩展性。 5、设计 RSI 评测体系，分析模型在多轮自我改进中的能力变化，包括任务性能、泛化能力、能力保持、训练稳定性、任务顺序敏感性和随机种子方差等。 6、跟踪并复现 RSI、AutoResearch、AI4AI、LLM Agent 和多模态模型后训练方向的前沿工作，完成算法实现、实验设计、效果分析和方案迭代。 7、与多模态预训练、后训练、Agent 系统和评测团队合作，推动研究成果在真实任务和业务场景中的验证。