岗位职责
- 主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的应用构建、模型训练与评测；
- 运用SFT、RL等Post-training训练方法，提升大模型在自主规划（Planning）、多步推理、工具调用、RAG、记忆、长周期任务执行等方面的能力；
- 跟踪LLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点突破复杂推理、Agent记忆、自演进系统、Agentic RL等方向的技术创新；
- 持续优化Agent算法与系统架构，构建端到端的Agent评测体系，开发自动化评估工具与多维评价指标，提升Agent系统性能与效率，打造业内领先的AI Agent系统级技术方案。
- 具体业务/研究场景包括但不限于：面向Agent基础设施的通用系统/组件的自优化算法、记忆系统、智能运维Agent、多Agent协作系统、Harness设计、高效后训练Pipeline等
职位要求
- 计算机/人工智能/数学等相关专业硕士及以上学历（博士及顶会论文发表者优先）；
- 对大模型前沿技术充满热情，具备攻克复杂技术难题的能力，能够快速实现 问题建模→应用构建→实验迭代；
- 精通Python及PyTorch/TensorFlow等框架，具备Qwen、Deepseek等开源模型的迭代优化经验者优先；
- 具备较强的AI Coding能力，熟练掌握至少一种AI Coding工具，使用AI Coding完成过复杂项目落地者优先；
- 深入理解Transformer架构、SFT/RL训练范式及上下文工程，了解至少一种Agent开发框架，有完整智能体系统搭建经验者优先。 （注：实习申请者需保证3个月或以上的实习周期，提供充足的GPU算力资源及丰富的业务场景实践机会）
