AI Agent - 智能体研究员

Job description

AI Agent 部门的目标是

把强大的基础模型应用起来，进一步开发AI agents新系统和新算法,服务公司内部——从科研新发现、工程体系研发优化，到市场预测与投资支持，再到运维降本增效，通观公司全链条研发流程，利用AI智能体系统地指导并参与研发过程； Job 1：Multi-AI Agents 搭建与应用团队（Framework & Applications） 岗位职责： 设计并实现企业级 Multi-Agent 框架：规划/执行/反思/校验/记忆/权限与审计日志等核心模块，支持多角色协作与复杂任务编排（workflow / graph）。

面向科研与工程构建可落地的 Agent 工作流

科研：文献→假设→计算/仿真→结果解释→报告与决策建议 工程：问题定位→根因分析→方案生成→工单/实验验证→闭环优化 打通工具生态与数据入口：RAG/GraphRAG、代码执行、仿真计算接口、实验/制造系统接口、数据查询与可视化工具等。

构建可靠性体系

引用与证据链、可解释输出、越权与数据泄露防护、失败恢复、红队评测与A/B灰度。

研究产出与发表（明确交付）

围绕多智能体架构、评测体系、可靠性与工具调用等核心成果，形成论文/技术报告，目标在顶会顶刊发表。

我们希望你具备（Must-have）

有 Agent / RAG / Tool-use 系统落地经验（能跑在真实业务、不是 demo）。 扎实的后端与系统设计能力（Python/Go/Java 任一），具备平台化与工程化思维。 对数据权限、合规、审计、可观测和SLA有清晰认知，能推动跨团队协作落地。

Job 2

AI Agents 模型训练团队（Behavior Learning & Alignment） 岗位职责： 设计 Agent 的训练与对齐路线：面向任务分解、工具使用、协同决策、可靠推理的行为学习与对齐（SFT、偏好学习、RL、离线数据驱动等）。

构建 Agent 记忆系统与学习机制

长期/短期记忆、经验回放、失败样本挖掘、持续学习与遗忘控制。

设计训练数据与评测

轨迹数据采集、标注与合成，构建可审计评测集（成功率、成本、可靠性、引用质量、可复现性）。

与基础模型团队协同

把通用 LLM/MLLM 与自研科学大模型能力注入 Agents（工具调用、规划、检索、推理与多模态理解）。

研究产出与发表（明确交付）

围绕 Agent 学习、对齐、协作、记忆与评测体系等方向形成高质量论文/技术报告，目标在顶会顶刊发表。

我们希望你具备（Must-have）

有训练与对齐经验：SFT/RL/偏好优化/离线强化学习/行为克隆等任一方向做深。 熟悉 PyTorch 与训练工程化（数据、实验管理、复现、指标监控），能把方法跑到稳定可用。 能从业务/科研任务抽象出可学习的目标与评价指标，并做严格消融与对比实验。

论文发表与对外影响力（岗位交付的一部分）

我们希望团队成员不仅能交付可用系统，也能沉淀为学术影响力： 以核心成果形成论文与技术报告， 目标投稿/发表至 NeurIPS / ICLR / ICML / ACL / EMNLP / NAACL / Nature Machine Intelligence 等顶级会议与期刊 （在公司合规与知识产权边界内）。 鼓励构建可公开的基准、评测方法或部分工具组件（合规前提下），建立国际社区影响力。

加分项（Nice-to-have）

机器学习/人工智能方向博士学位（PhD）或同等深度研究训练。

高质量 publication record

NeurIPS / ICLR / ICML / ACL / Nature Machine Intelligence 等顶会顶刊发表经历。 熟悉多智能体协作、规划算法、可验证推理、安全对齐、企业级权限与审计体系。 对科研/工程流程有深度理解（材料研发、实验室自动化、制造、质量、供应链、市场预测等任一）。

我们能提供

真实高价值场景与闭环：科研发现、工程优化、市场预测与投资支持、运维降本增效，多条主线可选。

强数据与工程约束环境

让 agent 从第一天就面对“真实世界的复杂性”，快速迭代。 与基础模型/类脑算法/ML Infra 团队同场协作，形成从模型→agent→系统→验证的完整链路。