课题详情
课题背景：
随着大语言模型在问答、知识分析与任务执行等场景中的应用不断深入，模型能力正从“基于参数知识作答”逐步走向“面向开放环境主动获取信息并完成推理决策”。在真实用户场景中，模型往往需要针对开放域问题自主完成搜索意图理解、查询规划、外部信息获取、网页内容甄别、多源证据整合、冲突信息消解与最终答案生成。这类能力已超出传统静态知识问答或狭义检索增强生成范畴，更接近于具备搜索、分析与推理闭环能力的信息智能体。
然而，当前具备联网搜索能力的大模型系统，在复杂开放域任务中仍存在明显不足，例如搜索策略单一、对搜索结果利用不充分、跨网页信息整合能力弱、长链路推理不稳定，以及在复杂问题下容易出现“能搜到但不会分析”“能引用但难以判断可靠性”等问题。因此，本课题聚焦于开放域信息获取与推理场景，研究具备联网能力的大模型智能体系统，结合奖励模型（RM）与强化学习（RL）方法，提升模型在复杂信息任务中的搜索、分析、推理与回答一体化能力。
课题挑战：
1、开放域信息智能体流程设计：如何设计适用于互联网开放环境的 Agent 系统流程，使模型能够自主完成问题理解、查询规划、分步搜索、证据筛选、归纳推理与答案生成；
2、复杂搜索轨迹的奖励建模：如何针对查询改写质量、搜索结果相关性、信息利用效率、证据可靠性和最终回答质量，构建细粒度奖励模型；
3、RM/RL 驱动的策略优化：如何结合奖励模型与强化学习方法，持续优化智能体的搜索决策、信息整合与长链路推理能力；
4、开放环境下的鲁棒性与真实性问题：如何应对互联网信息噪声大、内容冗余、来源冲突、时效变化快等问题，提升系统的稳定性、事实一致性与可追溯性；
5、自动化评测体系建设：如何面向开放域信息获取与推理任务构建自动评测系统，覆盖搜索效果、证据归因、答案正确性、时效性与用户体验等关键维度。
具体工作：
你将参与具备联网能力的大模型智能体系统设计与优化，围绕开放域复杂信息任务，研究搜索规划、多轮信息获取、证据选择、跨网页内容整合与引用生成等关键能力；参与构建训练数据、偏好数据与评测数据，探索奖励模型训练、强化学习优化和自动化评估方法；推动混元大模型在开放域信息获取、分析推理与智能体执行场景下的能力持续提升。
课题要求
1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
2、熟练掌握大模型、多模态相关的基本算法及应用，熟悉caffe、tensorflow，pytorch等至少一个深度学习框架；
3、较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。
