[Skip to main content](#main-content) [OpenNash Jobs](https://jobs.opennash.com/) [Hiring report](/reports/hiring/) · [All Contemporary Amperex Technology jobs](https://jobs.opennash.com/companies/contemporary-amperex-technology/) · [Search jobs](/search/) Contemporary Amperex Technology · 上海市, 中国 # AI Agent - 智能体研究员 上海市, 中国 Listed on Contemporary Amperex Technology’s official careers site. Listed as of October 19, 2026. Check that it is still open and apply there. [Apply on Contemporary Amperex Technology’s careers site →](https://app.mokahr.com/social-recruitment/catlhr/98098#/job/08b65f48-f8f6-4c01-bf91-2c7d79d1327f) [OpenNash Jobs](https://jobs.opennash.com/) / [Contemporary Amperex Technology](https://jobs.opennash.com/companies/contemporary-amperex-technology/) / 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。 ## At a glance - Posted by the employer: Not stated - First seen by OpenNash: Oct 19, 2026 - Last checked: Oct 19, 2026 - Listed for: Under a day - Location: 上海市, 中国[Apply on Contemporary Amperex Technology’s careers site →](https://app.mokahr.com/social-recruitment/catlhr/98098#/job/08b65f48-f8f6-4c01-bf91-2c7d79d1327f) ## More jobs at Contemporary Amperex Technology ### [AI4S 大模型数据工程师（NLP / 多模态方向）](https://jobs.opennash.com/companies/contemporary-amperex-technology/jobs/ba4ffd96792eab14b323/) 上海市, 中国 ### [Applied AI4Science 研究员](https://jobs.opennash.com/companies/contemporary-amperex-technology/jobs/078b56b5e29980301821/) 上海市, 中国 ### [大语言/多模态模型研究员](https://jobs.opennash.com/companies/contemporary-amperex-technology/jobs/961570031467c1602120/) 上海市, 中国 ### [嵌入式硬件研发工程师](https://jobs.opennash.com/companies/contemporary-amperex-technology/jobs/d1eb725e0191f356b7e1/) 上海市, 中国 ## Similar jobs at other companies ### [顶尖实习-智能体研究员-MiMo](https://jobs.opennash.com/companies/xiaomi/jobs/f2cd64bf7ee4e7b1866e/) Xiaomi · 北京 ### [Agent Polyvalent](https://jobs.opennash.com/companies/totalenergies/jobs/26f4ab20523024a02303/) TotalEnergies ### [Agent Méthodes](https://jobs.opennash.com/companies/totalenergies/jobs/1555594fdaccbae2a870/) TotalEnergies ### [Clearance Agent](https://jobs.opennash.com/companies/fedex/jobs/a3f51c1e7e4f2fb58ab1/) FedEx ### [Ramp Agent](https://jobs.opennash.com/companies/fedex/jobs/c40cbecd496eb57be950/) FedEx OpenNash lists jobs from employers’ own careers sites and does not handle applications. Dates come from the employer where stated; “first seen” and “last checked” are our own observations. OpenNash Jobs · Official listings with dates and links to the employer. [Weekly hiring report](/reports/hiring/) · [Methodology](/methodology/)