LongCat - 通用 agent 算法研究员

核心本地商业-基础研发平台 1. 通过 Large Scale RL Scaling 等手段，训练模型能够在多样化、有噪声的真实、全模态环境下，支持多样化的 Tools、Skills、Subagents 的稳定、正确、综合、可插拔式灵活使用，并能在一定限度内进行环境的修复与可靠改造； 2. 探索在易于模型理解使用的前提下，训练模型以更高信息密度的形态构建、维护和利用 memory，使模型能主动在重复性任务或封闭任务域中总结、提炼认知与经验，并进行有效复用，达到不断自进化的效果； 3. 训练模型的系统性长程任务高效处理能力，可以自主进行合理的任务拆解、分工；探索通过 agent swarm 或其他先进的 multi-agent system 进行系统性长程任务的并行执行和提效； 4. 探索多模态推理和多模态环境交互的范式，并基于此进行增强模型在复杂全模态环境下的任务完成能力。 1. 本科及以上学历，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、大模型训练、Agent 等一个或多个领域有较深入的研究和实践经验者； 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。