岗位职责
- 参与面向电商推荐场景的Agent Memory 研究，探索用户认知记忆的形式化定义、分层架构及生命周期治理机制。
- 研究高质量的推荐Agent Memory构建方法，从用户全天行为/意图序列中抽象出结构化、用户特异、下游贴合的认知记忆，进一步，探索有效的隐式记忆压缩算法。
- 研究基于用户线上反馈的 Memory Self-Improvement 机制，包括反馈驱动的记忆修正、跨用户知识迁移、冷启动及记忆冲突消解。
- 参与推荐Agent Memory相关的大模型训练与应用落地，涵盖预训练、SFT、RL、Agent 等技术方向，并完成离线评测和线上 A/B 实验。
- 围绕研究成果撰写技术报告或学术论文，与团队共同推进顶会投稿、开源框架和 Benchmark 建设。
职位要求
- 计算机科学、软件工程、人工智能等相关专业在读硕士或博士生，具备硬核的理论基础；
- 对推荐系统、LLM、Agent、强化学习等相关技术具有浓厚兴趣，具备天然的自驱力；
- 具备扎实的编程功底和的丰富的工程动手经验；
- 有以下经历者优先：1）参与过 LLM 预训练、SFT、RL、推理优化等实践过程并对原理有深入理解；2）有LLM推荐、Agent Memory等相关研究或实习经验；3）在 NeurIPS/ICLR/KDD/SIGIR/ACL 等国际顶级会议或期刊上发表过论文，或有高质量开源项目/竞赛成果。
