一、团队介绍

团队负责Accio Agentic模型整体后训练，核心关注coding和computer use能力，现有团队成员来自Top Tier大厂的基模团队，大多毕业于清华/上交等知名院校，有训练 T 级规模模型的经验，团队支持项目开源和顶会论文发表。

二、职责描述

1. 核心模型演进： 深度参与大规模Agentic LLM的全链路研发，涵盖Mid-train/CPT、SFT 及RL阶段，探索领域知识增强与多任务学习的前沿技术，表现突出者可在核心tech report中署名。

2. 工程化与基准建设： 参与构建代码库级别的Benchmark，优化模型在多语言、多框架环境下的跨模块调用与依赖分析性能。

3. Black-box Agent RL & Online Learning

a. 策略建模与优化： 深入研究Black-box Reward/Value Function的建模，解决Agent在不可导环境反馈下的策略梯度估计问题。

b. 持续探索架构： 设计并实现高性能的Online RL框架，支持Agent在真实操作系统与开发环境中进行大规模并发探索与在线策略迭代。

c. 长程推理研究： 针对Long-horizon RL场景，攻克Credit Assignment（信用分配）难题，提升Agent在多步推理（Multi-step Reasoning）下的决策稳定性。

4. Computer-Use Agent系统建设

a. 全链路数据Scaling： 参与构建海量真实用户交互数据的自动化生产流水线，覆盖办公场景与自动化流程，实现数据的高效回流与训练闭环。

b. 数字任务执行核： 开发基于Bash、Skills、MCP（Model Context Protocol）的执行引擎，构建能够熟练使用各种CLI工具与数字插件的Agent核心模型。

c. 多场景交互闭环： 探索Agent与真实操作系统、浏览器及专业开发环境的交互，在 Terminal、MLE-bench等复杂基准测试中验证模型的端到端任务完成率。