岗位职责

端到端负责一条文旅智能体业务线：将“讲解/规划/预订/问答“等场景拆解为可训练、可评测、可上线的算法问题，对最终业务指标（成功率、转化、留存、成本、时延）负责；
主导多模态/全模态能力建设：负责VLM/全模态模型的训练与对齐、图文/视频数据处理、以图搜景的多模态检索、文旅素材的图像生成与编辑，并推动其在真实场景的高效部署；
设计并落地Agent系统：planning（任务分解、计划-执行-反思）、tooluse（工具选择、参数填充、错误恢复）、基于MCP/函数调用的工具与多智能体协同，并将视觉感知作为Agent的一等输入；
主导训练与对齐闭环：组织SFT+强化学习（RL）与数据合成，沉淀可复用的训练/评测基座，建立badcase→数据→训练→上线的迭代飞轮；
设计记忆与个性化体系：长短期记忆、用户画像与偏好建模，结合RAG/向量与图谱，在隐私合规前提下做个性化；
评测与可观测：搭建含多模态指标的自动评测集与指标面板（成功率、调用成本、时延、失败归因），驱动持续优化。

职位要求

端到端闭环能力：能独立完成“数据→训练→部署→上线“全流程，并能为一条业务线算法效果独立负责、定技术路线；
扎实的多模态算法功底：在以下方向中至少一项有深入实战—多模态模型训练与对齐（VLM/全模态）、多模态数据处理pipeline、图文检索（对比学习/embedding/多模态RAG）、图像生成与编辑（扩散模型/DiT）、多模态模型部署与推理优化；
大模型与Agent技术栈：熟悉ReAct/Plan-and-Execute等范式与主流Agent框架；理解MCP/函数调用/多智能体协同；在强化学习对齐（RL/DPO+/RM）、agentic RL、或数据合成中至少一项有深入实践；
强工程能力与业务判断：精通Python，熟悉分布式训练与主流推理框架（如vLLM/SGLang），能在成本、时延、合规约束下做合理取舍。