研究型实习生-自进化智能体系统基础研究

智能体正从“回答一次请求的工具”转向“长期运行的进程”，经验必然累积、环境必然变化。自我演化的两条路线——训练期内化（经验写入权重）与运行期外化（经验存入外置库、技能库）——已相继得到验证，但二者共享同一个系统级缺口：经验没有生命周期、没有账本、没有预算、没有属主。本项目面向这一空白，构建经验的放置、治理、一致性与成本核算基础设施。 以“经验是一等系统资源”为核心命题，将经验建模为“捕获 → 验证 → 沉淀 → 执行 → 退役”五阶段生命周期，演化开销可计量且受预算约束。以 Coding Agent 为研究场景，部署四项任务：

1. 存储层级与放置：建立上下文→外置库→编译制品→模型权重的四级谱系及固化、编译、内化转换机制。
2. 可验证性与沉淀：验证强度决定写入深度。
3. 经验一致性：失效低成本检测、重算或废弃决策及依赖图传播。
4. 双平面设施：演化与服务共驻的干扰隔离与不停机在线演化。

1. 计算机科学、人工智能、电子工程或相关专业博士；
2. 精通 PyTorch 框架，具备良好的代码工程能力；
3. 熟悉分布式系统、大模型推理架构或Agent记忆机制；
4. 深入理解SFT、RL等偏好对齐算法及Off-Policy/On-Policy蒸馏机制；
5. 在 OSDI / SOSP / EuroSys / MLSys / NeurIPS / ICML / ICLR 等顶级会议发表过相关论文者优先；
6. 具备优秀的科研创新能力、问题抽象能力与跨团队协作精神。