岗位职责与要求：

1.负责 AI Agent 核心算法与策略设计，围绕意图理解、需求建模、任务规划、工具调用、多步推理、执行反馈、记忆管理和自我校正等能力提升 Agent 任务完成效果。
2.参与大语言模型在智能体场景中的训练、后训练和优化，包括高质量数据构建、训练数据合成、SFT、偏好优化、RLHF / DPO、Agent RL、过程奖励建模等方向。
3.研发面向云计算、通信网络等基础设施运维，企业数字化等场景的 Agent 算法能力，提升复杂任务下的成功率、稳定性和可解释性。
4.建设 Agent 多维评估体系，围绕任务完成率、用户体验、工具调用准确率、对话效率、修改成功率、推理轨迹质量、安全性和成本等指标搭建自动化评测与回归验证链路。
5.研究并落地 ReAct、CoT、Reflection、Plan-and-Execute、Supervisor、多 Agent 协同、记忆增强、检索增强、知识图谱增强等主流 Agent 架构范式。
6.优化 Agent 在复杂任务中的推理路径、工具选择、上下文管理、检索策略、长期记忆、执行反馈和错误恢复机制，提升多轮任务处理能力。
7.结合业务数据和用户行为进行实验分析，设计 A/B 实验、消融实验和效果评估方法，驱动模型、策略和 Agent 系统持续迭代。
8.跟踪 LLM、Agentic AI、多智能体协作、多模态 Agent 等前沿方向，推动研究成果在产品和业务场景中落地。1.2027届计算机、人工智能、数学、软件工程、自然语言处理、机器学习等相关专业硕士学历
2.扎实掌握机器学习、深度学习、自然语言处理和大模型基础，理解 Transformer 架构、注意力机制、预训练、微调、推理、对齐和评测方法。
3.熟悉 Agent 架构范式与关键机制，包括任务规划、工具调用、多步推理、执行反馈、记忆管理、上下文工程、RAG、Function Calling / Tool Use 等。
4.熟悉 Python，具备良好的算法实现和工程开发能力，熟练使用 PyTorch、TensorFlow、Transformers、vLLM 或相关大模型研发工具链。
5.具备 LLM 微调、后训练、Agent RL、过程奖励建模、多步轨迹优化、数据合成、偏好数据构建、自动化评测等一个或多个方向的实践经验。
6.熟悉 主流智能体框架或多 Agent 系统，有复杂Agent系统研究、设计经验者优先
7.具备扎实的数据分析和实验设计能力，能通过指标体系定位问题，并基于数据驱动模型与策略优化。
8.具备良好的论文阅读、技术调研和快速复现能力，能够持续跟踪 Agent、LLM、强化学习、多模态等方向的最新进展并形成可落地方案。