【大模型北斗实习】面向真实物理世界的大规模智能体研究（Agent In Real Life）

Job description

随着 LLM 与 RL 技术的飞速发展，具备自主决策与执行能力的 Agent 系统成为 AI 领域的前沿研究方向。本课题聚焦于构建能够在真实物理世界（餐饮、购物、旅行规划等）复杂场景下自主运行的 Agent 系统，解决传统 AI 系统难以应对的多步骤规划、长期目标追踪、环境适应性等核心挑战。

主要研究内容包括但不限于

1）自主规划与决策：研究基于 LLM 的 CoT 等的复杂推理机制，使 Agent 能够自主分解并解决如"为一家四口安排一个周末出游计划，包括交通、住宿、餐饮和活动"等多步骤任务；开发能够在规划失败时进行自我修正和重新规划的自适应决策框架，突破传统 Agent 在复杂场景下的规划瓶颈。 2）强化学习驱动的自主优化：应用前沿强化学习算法（如PPO、GRPO、RL）优化 Agent 的决策系统，通过用户反馈和任务完成度构建复杂奖励函数；研究如何在高维状态空间和长期依赖问题中有效进行奖励分配，解决真实复杂物理场景中典型的延迟反馈和稀疏奖励挑战。 3）多 Agent 协作与分布式决策：设计基于角色分工的多 Agent 协作框架，使不同专长的 Agent 能够协同解决复杂任务，如"美食专家 Agent 负责菜品推荐，规划 Agent 负责整体行程安排"等；研究 Agent 间的通信协议和共识机制，解决分布式决策中的冲突协调和资源分配问题。

1）硕士及以上学历，计算机科学、人工智能或相关专业背景。 2）熟练掌握 Python，熟悉 PyTorch 或 TensorFlow 等深度学习框架。 3）扎实的 LLM 和 Agent 系统理论基础。 4）熟悉 RL 算法框架，具备将 RL 应用于 Agent 决策优化的实践经验。 5）具备设计复杂 Agent 系统架构的能力，包括记忆机制、规划模块、执行模块等核心组件。

加分项

1）在NeurIPS、ICLR、ICML、ACL、EMNLP等顶级会议发表过 Agent 系统或相关技术的论文。 2）参与过开源 Agent 项目（如LangChain、AutoGPT 等）的开发或有重要贡献。 3）具备多 Agent 系统设计和协作机制研究经验，了解 Agent 间通信和任务分配技术。 4）有构建端到端 Agent 系统的实际项目经验，能够解决生产环境中的鲁棒性和可靠性问题。