顶尖应届-MiMo后训练Agent研究员-MiMo

Locations

北京

Team

小米MiMo

Employment

Full-time

Track

Campus

Not disclosed: Salary, Employer application deadline

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

• 我们是小米大模型团队的 Post-training Agent Group，专注于 AI Agent 的研究前沿，持续推动模型智能上限。
• 我们致力于构建能够在开放环境中理解目标、自主规划并在长周期交互中保持稳定可靠的 Agent 系统。我们的目标，是将这些能力沉淀为模型内生、可泛化、可扩展的基础能力。
• 团队拥有充足的计算资源，并能够直接连接大规模真实应用场景，让研究想法在前沿模型、真实任务和用户反馈中得到快速验证。
• 1、构建覆盖 Coding、Visual、General Agent 以及长程任务场景的评测体系，系统刻画模型能力边界，并通过分析模型行为与失败模式，识别制约能力提升的关键瓶颈；
• 2、构建大规模、高质量的数据合成与筛选流程，持续提升模型在代码生成、搜索和通用工具使用等方向的基础能力；
• 3、研究 Agentic RL 算法，设计有效的奖励信号、grader 以及 credit assignment 机制解决长程交互、稀疏奖励 和 reward hacking 等问题；
• 4、提升大规模 Agent 强化学习的稳定性、训练效率与可扩展性；
• 5、通过大规模 Agent 强化学习提升 Agent 在未见任务、长程任务和开放环境中的泛化能力与可靠性；
• 6、探索 self-improvement、持续学习，以及模型与 Agent Harness 的协同演进。

Qualifications and expectations

• 1、硕博以上学历，计算机相关专业， 具有 LLM post-training、Agent、RL 或模型评测方面的实际研究或项目经验；
• 2、出色的 Data Sense 与 Evaluation Sense，能够通过严谨的实验设计、分析和迭代持续提升模型能力；
• 3、扎实的编程和工程能力，熟练使用 Python、PyTorch，能够将研究想法实现为可靠、可复现、可扩展的实验系统；
• 4、优秀的 Research Taste 和 High Agency，认同第一性原理与长期主义。 在 NeurIPS、ICML、ICLR、ACL、EMNLP 等顶级 AI 会议或期刊发表过高质量研究
• 5、在有影响力的开源项目中做出过重要贡献；
• 6、在 IMO/CMO、IOI/NOI、ACM-ICPC 等高水平数学、信息学或程序设计竞赛中取得突出成绩