About this role
Summary: Responsible for implementing Agentic RL technology in Soul APP to enhance AI companionship and chat capabilities. Designs agent training workflows, optimizes reinforcement learning models, and establishes evaluation systems to improve task planning and interaction quality.
1. 负责 Agentic RL 技术在 Soul APP 的落地，面向 AI 陪伴、聊天助手、语音交互等场景，提升模型的多轮任务规划、工具使用、自我纠错和持续交互能力。
2. 设计并优化 Agent 训练流程，包括任务环境构建、交互轨迹采集、奖励设计、强化学习训练和模型评估，推动模型能力从单轮回复向自主完成复杂任务演进。
3. 针对社交场景中的长对话、个性化陪伴和人设一致性问题，研究记忆使用、长期目标保持及多步决策策略，持续改善用户体验。
4. 建立 Agent 能力评估体系，结合离线评测与线上业务反馈，定位任务成功率、交互质量和安全性等方面的问题，并推动优化方案落地。
1. 全日制硕士及以上学历，2 年及以上大模型算法相关工作经验，具备强化学习或 Agent 项目实践经验。
2. 熟悉大模型后训练技术，理解 SFT、偏好优化及 PPO、GRPO 等强化学习方法，能够独立开展数据构建、奖励设计、训练调优和效果分析。
3. 熟悉 Agent 的规划、工具调用、记忆管理与多轮交互机制，具备任务环境或评测基准的设计经验，能够分析长任务中的错误传播与奖励归因问题。
4. 熟练使用 PyTorch，具备大模型分布式训练经验；能够处理交互轨迹数据、优化训练效率，并将算法效果转化为可衡量的产品体验提升。
5. 对 AI 社交与陪伴场景有兴趣，具备良好的业务理解、实验设计和跨团队协作能力。
加分项
1. 有 Agentic RL、可验证奖励、环境模拟或在线强化学习项目经验。
2. 有 AI 陪伴、对话系统、语音 Agent 或多模态 Agent 落地经验。
3. 有长时记忆、个性化建模或 Agent 安全评估相关经验。