【大模型北斗实习】推理决策智能体技术研究

Job description

本课题聚焦大模型在复杂场景下的高阶认知能力突破，面向真实需求构建具备自主推理与协作进化能力的智能系统。通过前沿算法创新与工业级场景验证，助力研究者攻克高度自适应智能体架构设计、复杂决策优化等关键技术难题。

核心研究内容包括

1）构建复杂情境推理框架：开发能够处理模糊信息、进行合理假设并自主验证的决策系统，突破不完全数据下的逻辑闭环能力。 2）建立多智能体协作范式：研究分层任务拆解机制与分布式决策架构，实现跨智能体的动态协调与效能优化。 3）设计任务驱动进化机制：结合强化学习与反思模型，持续提升智能体在业务场景中的自主适应与问题排查能力。 4）开发模型可解释性框架：创新推理过程可视化技术，建立决策依据追溯机制，显著降低模型幻觉风险。 5）探索人机协同新形态：构建具备环境感知与交互进化能力的智能助手，推动大模型在真实场景的可靠落地。 1）熟悉TensorFlow、PyTorch等深度学习框架、和主流编程语言、CUDA/Triton语言，具备扎实的深度学习理论基础。 2）有扎实的大模型实践和研究能力，尤其是在推理和决策优化领域具有深刻的理解。 3）发表过高水平论文（如NeurIPS, ICLR, ICML, ACL, EMNLP等）。

加分项

1）有影响力的开源项目中做出过核心贡献，尤其是与大模型推理或多智能体协作相关的项目。 2）具备复杂推理、自主执行能力的大模型系统，在业务场景上设计和落地经验。