百度Agent算法实习生（J103893）

-参与"难任务发现"研究：系统性构建与评测让前沿模型+harness 失效的任务族(长程优化、可持续迭代、强验证类问题等),建立可复现的 benchmark 与失败归因体系 -探索推理时搜索的 scaling 路径：并行采样、树搜索、进化搜索、verifier 引导搜索、多 agent 协作等机制在难任务上的算力-质量曲线，寻找"多花算力就能换来好轨迹"的scaling方法结构 -研究基于轨迹的学习：从搜索得到的高质量轨迹出发，探索拒绝采样蒸馏、agentic RL、自我改进循环、经验沉淀(skill/记忆)等把"搜到"变成"学会"的路径 -参与 agent harness 与评测系统的设计实现 -在真实工业决策场景(排产、调度、预测等)上验证方法的外部效度，推动研究结论落到可复现的系统

-研究面向布局布线、DRC 修复和 PPA 收敛等问题的自演化 Agent -将 EDA 任务构造成具备明确动作空间、评价指标和验证器的算法搜索环境 -构建“方案生成—代码修改—工具执行—结果验证—经验沉淀”的 Agent 闭环 -设计长期轨迹记忆和策略迁移机制，提升 Agent 在不同设计与任务间的泛化性和稳定性 -探索 Agent 与 EDA 工具、MIP/CP/SAT 求解器及启发式算法的协同 -将成果沉淀为新算法、Agent skill、代码模块、技术文档或研究论文

1. 后训练研究：深入参与模型对齐工作，重点研究多种后训练算法；探索结果奖励和过程奖励模型的构建，提升模型在复杂逻辑下的推理能力。 2. Agentic RL优化：针对复杂业务场景，优化 Agent 的任务规划、反思与执行能力；提升模型在长链路任务中的稳定性和成功率。 3. 前沿技术落地：跟踪业界前沿技术路线，负责相关算法的复现、调优及在业务场景中的工程化落地。

【团队介绍】 Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，Accio Work是阿里在海外落地的首个企业级AI Agent，通过持续探索Agent、Agent Harness、Post-training、RL、Memory等前沿技术，自研Agent模型、Agent系统，实现B2B AI Agent跨越式发展。我们拥有充足的计算资源（H100/B200 集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围、高人才密度的团队指导。在这里，研究成果不仅能产出学术论文，还能直接作用于海量的真实B2B贸易场景。 【研究课题】 Agent模型后训练、Agentic RL、Agent Harness、Massive and Test-time Agnostic Agentic Post-training等等，推动Agent技术发展与落地效果的课题均可探索立项； 【岗位职责】（其一或多个均可） 1、Agentic RL 研究与训练： 设计面向异步长程场景的 RL 方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL 等）进行大规模调优，产出 Novelty 和实用性兼具的工作； 2、Agent核心能力建设与优化：包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强。研究长程任务分解、执行监控、自主纠偏、主动通知等 Agent 关键能力，推动成果在 Accio 业务场景落地； 3、Agent评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有 benchmark 未充分涵盖的维度；构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地； 4、Agent大规模后训练： 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; 5、复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务； 6、Long-horizon运行设计：构建结合""工作记忆+全局知识库""的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架； 7、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。