研究型实习生-业务技术-大语言模型Agent算法实习生

我们致力于打造淘宝直播场景下“高智商、高情商”的下一代智能数字人主播，通过大模型 + 智能体（Agent） + 强化学习（RL） 的深度融合，构建具备自主决策、实时互动与高转化能力的直播AI系统。你将参与以下前沿探索：

1. 大模型与Agentic RL的协同训练范式研究：探索高效Agentic RL算法（样本效率、奖励函数设计、多智能体协作等）；
2. 多模态Agent研究：融合视觉（商品/表情/动作）、语音、文本等多源信号，通过多模态强化学习优化Agent行为策略；
3. 构建基于Agentic RL的数字人决策引擎：设计可自主调用商品工具、垂域多模态知识库查询工具、控制话术、响应观众意图的智能体架构，实现动态控场、个性化互动与高效转化；
4. 研究基于RL等算法的自主进化Agent；
5. 产出高质量学术论文和专利。

1. 计算机、人工智能、自动化、电子工程等相关专业硕士或博士在读；
2. 扎实的大模型算法理论基础，熟悉SFT、DPO、GRPO等算法，有智能体（Agent）或LLM+RL项目经验者优先；
3. 熟练掌握PyTorch，具备分布式训练经验，熟悉DeepSpeed/Megatron等框架者加分；
4. 对大模型、AIGC、数字人、多模态交互有强烈兴趣，有CCF-A类顶会顶刊论文、开源项目或竞赛获奖者优先；
5. 具备独立科研能力，善于提出问题、设计实验并复现前沿工作。