岗位职责
- 深入理解智能交互场景的用户需求与业务逻辑，依托Agent、SFT、强化学习、后训练优化等技术，结合真实业务交互数据与落地反馈，持续优化大模型的意图理解、智能决策、指令遵循、自然应答能力，迭代优化核心业务转化、交互体验、流程合规等关键业务指标。
- 深耕大模型能力边界与智能Agent系统架构，针对复杂自动化业务流程场景，设计、搭建并迭代优化通用Agent架构体系，涵盖Master-Skill调度、Plan-Act规划执行、多智能体协同等核心模块，提升大模型在复杂、长流程、多任务业务场景下的自主决策、逻辑推理、自主应答与闭环执行能力。
- 聚焦大模型智能对话、大模型Agent核心技术难点，围绕用户意图识别、多轮交互、业务流程遵循、异常场景处理、人机协同接管等核心问题，搭建数据沉淀-模型迭代-策略优化-业务验证的全链路闭环迭代体系，推动大模型Agent能力在各真实业务场景的标准化、规模化落地复用（典型场景：智能客服、智能外呼、数字人等）。
- 持续跟进大语言模型（LLM）、智能Agent领域前沿技术、论文与行业落地方案，结合公司各类业务场景特性，探索创新技术应用方向，平衡模型效果、推理时延、部署成本与系统稳定性，输出最优、可落地的技术解决方案，赋能新业务场景拓展与现有业务效能升级。
职位要求
- 硕士及以上学历，计算机相关专业；
- 具备较强的 Python 编程能力，熟悉PyTorch、Transformers等主流深度学习框架；
- 熟悉大语言模型基本原理及应用技术，包括 Prompt、SFT、RAG、Agent、Function Calling、MoE、模型蒸馏/量化 等；
- 有较强的多轮对话、意图识别、文本分类、对话策略或Agent算法研发经验；
- 具备较强的问题分析和算法优化能力，能够从真实业务数据中定位模型问题并形成可落地的优化方案；
- 有大模型实际生产落地经验，能够兼顾 模型效果、推理成本、时延和稳定性；
- 熟练掌握Llama Factory、Verl等常见开源模型调优训练框架，熟悉LLM等常见推理加速框架，熟悉Qwen、DeepSeek等开源大模型原理与实现。 符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。
