岗位职责
- 能力定义与技术规划 深入理解用户真实购物需求和使用场景,制定并执行消费决策 Agent 的中长期技术演进路线图。密切追踪 Agentic AI 领域最新进展,包括 Agent 架构范式(ReAct/plan-and-execute/多智能体协作等)、Agentic RL、工具学习、个性化决策、长程自主执行等方向;
- Agentic训练与对齐 主导大模型在 agentic 场景下的 post-training 与对齐工作,包括 agentic SFT、面向工具使用与多步任务的强化学习(RLHF/RLAIF/DPO/GRPO 等)、奖励设计与可验证奖励、长程任务的信用分配、reward hacking 的识别与对抗等、多目标权衡、URM等,设计高效的样本构建流水线,推动 agentic 能力的持续提升;
- 递归自我改进(RSI)闭环 让系统自动挖掘失败案例、生成训练数据与环境、评测修正并迭代 Prompt、Skill 和工具;构建 Agent 自我进化机制(如 Self-reflection、持续学习),使 Agent 能通过任务反馈自主迭代执行策略;
- 电商工具融合与环境交互 模型与电商生态能力(商品搜索/比价/优惠计算/商详查询/下单交易/物流履约)深度动态融合,解决工具语义理解与选择、参数生成与合法性校验、多工具编排与并发、observation 的理解与可信度判定、执行结果回查验证等核心问题。设计并优化可扩展的工具调用框架与高保真仿真环境,显著提升智能体在真实交易场景下的任务完成率与结论可信度;
- 领域知识注入与专业能力进化 设计商品知识、消费规则、平台策略等外部知识结构化注入方案,使 Agent 具备对商品参数、价格趋势、适用场景等专业信息的理解与推理能力;探索 RAG 与参数化知识融合路径,平衡知识时效性与推理深度;
- 上下文(Context)与记忆(Memory)体系 主导设计用户偏好、当次任务约束、候选商品与工具结果的文本化表示、检索与更新机制。解决长对话中的指代消解、约束变更与信息过期、候选商品规模膨胀下的有效压缩等难题;设计长期记忆的写入、整合与遗忘机制,让 Agent 在跨会话、长周期的陪伴中持续理解用户,并把真实反馈转化为偏好与评测信号;
- Benchmark与评估体系 深入理解用户真实购物需求和使用场景,建立并完善科学全面的消费决策能力评测体系,精准衡量智能体的决策质量(任务完成率/约束满足率/事实准确性/推荐相关性/效率与成本等),覆盖过程评估与结果评估。探索 Agent-as-Judge 等前沿评测方法,以及针对性的消费 Agent benchmark 建设,设计并驱动高效的数据闭环系统,利用真实用户的任务轨迹、放弃行为与显式反馈,持续、自动化地优化模型。
职位要求
- 拥有计算机科学、人工智能或相关领域的博士学位者优先,硕士学位亦可
- 至少 3 年在自然语言处理(NLP)或大语言模型(LLM)领域的研发经验,对 LLM-based Agent、工具使用、强化学习等有深刻理解和实战经验。在学术界或工业界有公认的 agentic 或相关技术成果;
- 在以下一个或多个领域拥有一流的技术水准和成功经验:agent 架构与规划、工具学习与 function calling、大模型对齐技术(SFT/RLHF/RLAIF/DPO/GRPO 等)在 agentic 场景的深度应用、agentic RL、长 horizon 任务的训练与优化、RSI、熟悉主流 RL 训练框架者优先
- 具备以下条件者将获得优先考虑: ● 主导或核心参与过业界知名的 AI Agent、code agent、autonomous agent 或相关智能体项目; ● 在顶级学术会议(如 NeurIPS、ICML、ICLR、ACL、EMNLP 等)上发表过多篇高质量的 agent、强化学习或相关方向论文; ● 有将前沿 agentic 技术成功应用于大规模商业产品的经验; ● 有电商行业经验