Recruitment status unknown · Last observed 2026-10-17
1、Agent Memory：设计快慢双系统记忆架构，优化记忆管理机制、召回策略与压缩方法，统一存储和检索文本、图像、视频、代码等多模态数据。
2、Agent Search：融合深度推理与广度检索，打通搜索与记忆系统，搜索结果沉淀为持久记忆，记忆引导更精准的检索，形成闭环。
3、自演进 Agent：设计Agent 在线从环境反馈中实时更新策略，实现持续学习。
任职要求
1、计算机相关方向的硕士或博士；
2、有大模型AI Agent相关研究和项目经历，一作发表过相关方向的顶会论文；
3、具有优秀的解决复杂问题和多人协作沟通的能力，能够独立思考并开展工作，具有强烈的好奇心和责任心。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 2, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "R
Recruitment status unknown · Last observed 2026-10-17
1. 负责研究AI Agent方向学术前沿问题（GUI Agent、Agentic-RAG、问答Agent、任务Agent等），通过发表论文、开源、竞赛等，打造学术影响力；
2. 负责打造业界一流的AI Agent解决方案（GUI Agent、Agentic-RAG、问答Agent、任务Agent等），并落地到小米核心业务场景，包括但不限于手机、汽车等。
3. 梳理业务场景，开发专业技能skills等；
任职要求
1. 硕士及以上，计算机相关专业；
2. 有大模型驱动的AI Agent相关研究和项目经历，发表过相关方向的顶会论文优先；
3. 具有优秀的解决复杂问题和多人协作沟通的能力，能够独立思考并开展工作，具有强烈的好奇心和责任心。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 3, "recruit_type": {"active_status": 1, "children": [],
Recruitment status unknown · Last observed 2026-10-17
生成式广告模型方向：
1.设计并训练/微调基于多模态大模型（扩散模型、LLM、Transformer等）的广告创意生成系统，实现文案、图片、视频、口播脚本等素材的高质量可控生成与个性化定制；
2.构建用户画像与生成模型深度融合的端到端框架，通过效果反馈（CTR/CVR）闭环迭代生成策略，提升广告创意的转化效率与多样性；
3.探索生成内容的可控性技术（品牌安全、合规性、可解释性），并搭建自动化质量评估体系（主观、相关性、商业潜力等指标）；
4.推动生成模型的工程化落地（模型蒸馏、量化、推理加速），实现在线广告投放系统的毫秒级响应。
通用自动算法优化Agent方向：
1.研发基于LLM/决策大模型的广告算法自主优化Agent，能够感知广告系统状态（模型效果、数据漂移、竞价环境等），自动诊断瓶颈并生成优化动作（超参数调优、模型架构搜索、特征工程、出价系数调整等）；
2.定义标准化的算法优化动作空间，设计安全可回滚的执行接口；搭建广告算法仿真环境或离线回放评估器，用于Agent策略的低成本训练与验证；
3.融合AutoML技术（贝叶斯优化、强化学习、多臂老虎机等）与LLM的规划推理能力，使Agent兼具先验知识利用与高效策略搜索能力；
4.将Agent接入真实广告系统的A/B测试平台与模型训练pipeline，实现从指标监控、策略生成到在线实验的全流程自动化优化闭环。
任职要求
学历与成果：
1.2027届博士或优秀硕士，计算机、人工智能、数学、运筹优化等相关专业；
2.在以下任一方向有顶会/顶刊论文者优先：生成模型（扩散、自回归、多模态）、AutoML、自动算法优化、基于LLM的Agent决策、强化学习、贝叶斯优化。
生成式广告模型方向能力：
1.深入理解扩散模型、Transformer、多模态对齐、可控生成等技术，熟练使用PyTorch/TensorFlow/JAX；
2.有大规模生成模型训练、微调（LoRA/ControlNet等）或推理优化（蒸馏、量化）的实际经验；
3.具备广告/推荐业务基本认知，能够基于数据驱动方式评估生成质量与商业收益。
通用自动算法优化Agent方向能力：
1.熟悉LLM Agent框架（如LangChain、ReAct、Reflexion）以及如何让LLM生成结构化算法操作指令；
2.掌握贝叶斯优化、多臂老虎机、强化学习（PPO/SAC等）或决策Transformer中至少一项技术，并有应用于超参调优、模型选择或策略优化的实践经验；
3.了解工业级AutoML系统（如Google Vizier、Optuna）或有广告系统模型训练/特征工程经验者加分。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "
Recruitment status unknown · Last observed 2026-10-17
1、主导探索工程设计研发领域多智能体的核心技术，进行前沿研究，建立设计研发领域多智能体技术护城河；
2、结合材料结构等设计研发领域，使用Agent驱动实际设计研发流程，发表有影响的研究工作，提升行业影响力；
3、结合小米实际业务场景，面向产品优化Agentic AI驱动的材料研发技术，主导实际材料到产品全流程应用落地。
任职要求
1. 熟悉大模型与Agentic AI技术，例如知识沉淀与整合，推理规划与决策等。了解目前主流智能体产品架构，熟悉其核心技术难点与痛点。
2. 有大模型Agent相关研究或项目经历，发表过相关方向的顶会论文，有Agent系统的后训练经历的优先；
3. 了解材料科学相关研究内容与研究方法的优先；
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 2, "recruit_type": {"active_status": 1, "children": [], "depth"
Recruitment status unknown · Last observed 2026-10-17
工作内容：
1. RL训练环境搭建：负责构建易用、稳定且支持高并发的工具调用环境，搭建和优化 Agent 框架。
2. 推理能力提升： 针对 DeepResearch、CodeAgent 等复杂推理场景，设计并实现高效的能力增强方案。
3. 数据合成与优化：围绕业务需求构建、筛选和优化 Agent 行为数据与知识增强语料，为对齐训练、RL 训练和持续预训练提供高质量数据支撑。
任职要求
任职要求：
1. 计算机相关专业；在CCF-A类会议发表过相关论文者优先考虑；
2. 熟悉主流 Agent 框架（如 Claude Code、LangGraph、AgentScope、Qwen-Agent 等），具备实际开发或使用经验。
3. 熟练掌握主流 Agentic RL 训练框架（如 VeRL、OpenRLHF），具备后训练（post-training）和数据处理相关项目经验者优先。
4. 理解并掌握并行训练框架，有多机多卡训练经验者优先。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_li
Recruitment status unknown · Last observed 2026-10-17
1. 负责各类LLM/VLM的预训练，后训练，并应用于实际业务中
2. 探索Agent记忆系统，包括参数化记忆与更新，记忆自进化，连续学习，个性化大模型等方向，通过全生命周期个人数据提升大模型的个性化生成与决策能力
3. 融合多模态数据，攻关持续在线的连续感知-记忆-决策Agent框架，推动个性化主动服务的前沿研究
4. 探索机器学习领域的新技术，探索与其他领域的技术融合。发表高水平论文和专利
任职要求
1. 硕士及以上学历在读，人工智能、计算机科学、电子、信息工程、机器人等专业，有C++/python/java开发经验
2. 熟练掌握至少一种深度学习框架，如Tensorflow，PyTorch等
3. 对深度学习有深刻认识，熟悉各种神经网络及背后数学原理
4. 对大模型有设计训练和应用经验者优先
5. 对声音、图像、视频、各类传感器的通用融合感知算法有实际经验的优先
6. 在AI或NLP相关顶级会议或者刊物，如ICML，NeurIPS，AAAI，ACL等发表论文者优先
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [
Recruitment status unknown · Last observed 2026-10-17
1. 负责各类多模态大模型的预训练，微调和部署，并应用于实际业务中
2. 探索知识增强技术，通过个人数据提升个性化模型的语言理解和生成能力
3. 融合多模态数据，攻关具备自主观察环境和推断用户需求的意图决策大模型
4. 搭建基于端侧VLM的屏幕理解能力，实现具备泛场景能力的GUI Agent
5. 探索机器学习领域的新技术，探索与其他领域的技术融合。并撰写相关论文，专利
任职要求
1. 硕士及以上学历在读，人工智能、计算机科学、电子、信息工程、机器人等专业，有C++/python开发经验
2. 熟练掌握至少一种深度学习框架，如Tensorflow，PyTorch等
3. 对深度学习有深刻认识，熟悉各种神经网络及背后数学原理
4. 对大模型有设计应用经验者优先
5. 对声音、图像、视频、各类传感器的通用融合感知算法有实际经验的优先
6. 在AI或NLP相关顶级会议或者刊物，如ICML，NeurIPS，AAAI，ACL等发表论文者优先
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_128", "en_name": "Shenzhen", "i18n_name": "深圳", "location_type": 3, "mdm_code": "MDCY00000249", "name": "深圳", "node_status": 1, "py_name": "shenzhen"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major
Recruitment status unknown · Last observed 2026-10-17
探索大模型智能体研究的前沿技术，构建具备持续学习能力的通用 Agent，包括但不限于：
1、Agentic RL。面向长时序任务的强化学习；Agent 在交互环境中的探索与策略优化；多目标、多约束条件下大模型Agent的决策稳定性与泛化性；Test-time的数据高效Agentic RL；Agent reward model的系统性学习问题；大模型智能体的MARL。
2、Agentic Memory。短期 / 中期 / 长期记忆架构设计；可演化、可压缩、可检索的Memory 系统；经验、技能、失败案例的结构化沉淀；Memory 与 Planning / RL / Tool 之间的协同机制。
3、Agent Workflow。Task Decomposition / Planning / Re-planning；多 Agent 协作与角色分工；反思、自我修正、策略升级；工具集和技能库自演进；自适应和可学习的Agent 工作流。
4、Agent Application。GUI Agent：跨应用、多模态界面下的操作与理解；OS Agent：文件系统、进程、命令、自动化工作流；Deep Research Agent：复杂研究任务、信息整合、假设验证；通用 Agent ：跨时间跨任务跨领域的自主学习Agent。
任职要求
1. 计算机相关方向硕士或博士；
2. 有大模型智能体相关研究和项目经历，发表过相关方向的顶会论文，或者参与过有影响力的开源项目;
3. 具有优秀的解决复杂问题和多人协作沟通的能力，能够独立思考并开展工作，具有强烈的好奇心和责任心。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Full-time", "i18
Recruitment status unknown · Last observed 2026-10-17
1. 负责各类多模态大模型的预训练，微调和部署，并应用于实际业务中
2. 探索知识增强技术，通过个人数据提升个性化模型的语言理解和生成能力
3. 融合多模态数据，攻关具备自主观察环境和推断用户需求的意图决策大模型
4. 搭建基于端侧VLM的屏幕理解能力，实现具备泛场景能力的GUI Agent
5. 探索机器学习领域的新技术，探索与其他领域的技术融合。并撰写相关论文，专利
任职要求
1. 硕士及以上学历在读，人工智能、计算机科学、电子、信息工程、机器人等专业，有C++/python开发经验
2. 熟练掌握至少一种深度学习框架，如Tensorflow，PyTorch等
3. 对深度学习有深刻认识，熟悉各种神经网络及背后数学原理
4. 对大模型有设计应用经验者优先
5. 对声音、图像、视频、各类传感器的通用融合感知算法有实际经验的优先
6. 在AI或NLP相关顶级会议或者刊物，如ICML，NeurIPS，AAAI，ACL等发表论文者优先
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_li
Recruitment status unknown · Last observed 2026-10-17
1、探索下一代Harness实现与RSI范式，从第一性原理重新设计Agent Runtime: 包括但不限于上下文工程、长程任务、工具使用、记忆等，让系统自我修正、自我迭代。
2、持续调研全球SOTA，追踪、拆解、复现全球最领先的 Harness 与智能体实现(前沿实验室产品、开源框架、顶会最新工作)，形成团队可复用的技术判断。
3、从0到1构建关键模块，独立设计并落地 Harness 的核心组件，或为 RSI 搭建所需的评估体系、reward model、Environment Scaling等。
4、Harness 与 LLM 的 co-design 和协同训练。 主导或参与面向 Harness 的模型选型、mid-training(继续预训练)与 post-training(SFT、RLHF / RLAIF / RLVR、蒸馏), 让模型和Harness作为一个系统共同优化。
任职要求
1、计算机 / AI 相关方向硕士及以上;
2、在 ICLR/NeurIPS/ICML/COLM/ACL/EMNLP 等顶会有一作或核心作者论文者优先(智能体、LLM 训练与对齐、推理、强化学习、自我改进方向)。
3、熟练 Python / PyTorch，理解大模型训练与推理全链路(分布式训练、数据管线、LLM infra)，能把想法在真实系统里跑通、测准、复现。
4、熟练掌握vibe coding 并对AI使用有自己的独特理解。
5、自驱力强，创新能力强，学习能力突出，能快速上手新技术领域。
加分项（有任意一项即可）：
1、主导或深度贡献过知名开源智能体 / LLM 框架。
2、有端到端训练大模型的一线经验(预训练 / 中训 / 后训任一阶段)。
3、RL / RLHF / RLVR 实战,或对齐、奖励建模、评测体系(eval harness)的积累。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list
Recruitment status unknown · Last observed 2026-10-17
探索 Agent Harness 研究与应用的前沿技术，构建可进化的 Agent Harness 技术底座，定义可持续学习 Agent 的基础范式，包括但不限于：
1、Agent Memory：自主记忆管理
设计端云分层、多智能体共享、多模态统一的记忆架构，支撑跨设备跨场景的记忆服务能力；探索记忆读写策略与组织结构的自适应演化机制，实现 Agent 层级的持续学习与自纠错。
2、Agent Search：搜索智能体与策略优化
融合遗传进化、语言反思与搜索算法，构建 Search Agent 的经验闭环优化范式，探索从数据构建到在线迭代的后训练全流程，结合多智能体实现协同搜索与策略优化。
3、Agent Harness：可进化的执行底座
基于执行 Trace 实现 Harness 在线诊断与自动优化，探索 Test-time 数据高效的 Agent 策略优化范式，兼顾探索效率与决策稳定性。
任职要求
1.计算机相关方向的硕士或博士;
2.有大模型AIAgent相关研究和项目经历,一作发表过相关方向向的顶会论文;
3.具有优秀的解决复杂问题和多人协作沟通的能力,能够独立思考并开展工作,具有强烈的好奇心和责任心。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "select
Recruitment status unknown · Last observed 2026-10-17
工作内容
1. Agent 后训练全流程建设： 负责基于大语言模型的通用 Agent 的后训练（Post-training）工作，覆盖 SFT、偏好对齐（DPO/ORPO/KTO 等）、RLHF/RLAIF、RLVR 等阶段，针对 Tool-use、多轮规划、长程推理、错误恢复等核心能力进行定向训练；
2. Agentic SFT 数据工程： 构建高质量 Agent 轨迹数据生产线，包括真实交互轨迹采集、模型自博弈（Self-play）生成、轨迹筛选与清洗、拒绝采样（Rejection Sampling）、多样性增强等策略，持续迭代数据配方与课程学习方案；
3. Preference & Reward Modeling： 训练面向 Agent 行为的 Reward Model / Preference Model，覆盖任务完成率、工具调用正确性、推理链质量、步骤效率、安全性等多维信号；探索 Process Reward Model（PRM）对中间推理/动作步骤的细粒度建模；
4. RL for Agent： 研究并落地适合 Agent 场景的强化学习算法，解决长 horizon 信用分配、稀疏奖励、工具环境交互不稳定、离线-在线 RL 融合等关键问题；在代码执行、浏览器操作、API 调用等交互式环境中训练 agent 策略；
5. 多轮交互与记忆能力训练： 针对 Agent 的多轮对话记忆、长上下文工具使用、从反馈中学习（online adaptation）等能力，设计专项训练任务与对齐方案；
6. 训练 Infrastructure 优化： 基于 DeepSpeed / Megatron / vLLM / SGLang / veRL 等框架，优化大规模分布式后训练 pipeline 的稳定性、吞吐效率和显存利用率，支撑百亿到千亿参数模型的训推一体迭代；
7. 评测与归因： 建立系统化的 Agent 能力评测基准（覆盖工具使用、规划、推理、鲁棒性、安全性等维度），结合自动评测与人工评估对训练效果进行量化分析，badcase 归因后驱动下一轮数据与训练策略迭代；
8. 前沿复现与创新： 跟踪并复现 Agent 后训练方向的最新工作（如 OpenAI o-series、DeepSeek-R1、Tool-integrated Reasoning、Agent Q*、Reinforced Fine-tuning 等），结合业务场景提出创新方案并落地验证。
任职要求
基本要求
- 计算机、人工智能、数学、统计等相关专业在读硕士/博士（优秀本科生亦可）；
- 扎实的机器学习与深度学习基础，深入理解 Transformer 架构与 LLM 训练/推理原理；
- 熟悉强化学习基础算法（PPO、DQN、Policy Gradient、Actor-Critic 等），了解 LL
Recruitment status unknown · Last observed 2026-10-16
1. 面向Agentic OS，参与长期记忆、主动决策与跨场景执行能力的系统级智能体算法体系建设（可仅参与记忆/决策/执行之一）；
2. 记忆：构建端侧长期记忆与知识增强体系，包括设计长期记忆架构、研究用户数据驱动的持续学习与个性化能力提升机制；
3. 决策：研发主动意图决策模型，研究用户行为建模方法、构建主动决策机制，探索多轮决策与反馈闭环优化机制；
4. 执行：搭建基于VLM的复杂任务操控能力，研究长任务推理与深度决策能力增强，构建稳定、安全、可控的执行策略机制；
5. 前沿技术探索与成果产出，建立Agentic OS的算法创新壁垒，推动顶级会议论文与核心专利产出。
任职要求
1. 硕士及以上学历，人工智能、计算机科学、机器人、认知科学等相关专业；
2. 具备以下至少一个方向的深入研究或实践经验：长期记忆建模/个性化建模、强化学习/决策建模、多步推理与任务规划、Agent系统与智能体算法；
3. 对“主动智能”“系统级Agent”方向有深刻理解与强烈兴趣；
4. 具备复杂系统建模能力，能够从系统角度设计完整闭环；
5. 在 ICML / NeurIPS / ICLR / AAAI / ACL / CVPR / ICASSP 等顶级会议发表论文者优先；
6. 具备较强的独立研究能力与创新能力。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Full-time", "i18n_name": "全职", "id": "101", "name": "全职", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Experienced",
Recruitment status unknown · Last observed 2026-10-16
1、研究与优化多层级渐进式路由架构，设计端侧轻量分级器，提升路由决策准确性与响应速度
2、攻关端云并行协同调度，实现意图理解和执行竞速，设计渐进式结果融合与弱网降级策略
探索Plan-Execute-Learn范式在端侧Agent中的应用，构建可自主规划、执行、纠错和学习的智能体闭环
3、研究多智能体协同执行框架，支持复杂任务的并行分解与协作完成
优化端侧工具调用链路，扩展工具生态，提升工具选择与参数填充的准确性
4、发表AI顶会/顶刊论文（ACL、NeurIPS、ICML、AAAI等），申报发明专利
任职要求
1、博士及以上在读，人工智能、计算机科学、软件工程、系统工程等专业，有C++/Python开发经验；
2、熟练掌握至少一种深度学习框架，如PyTorch等；
3、对LLM Agent、工具调用、任务规划等方向有深入研究或工程经验者优先；
4、对强化学习、多智能体系统、分布式调度有实际经验者优先；
5、对端云协同系统架构、移动端优化有理解者优先；
在AI相关顶级会议或刊物（如ICML、NeurIPS、AAAI、ACL、ICLR等）发表论文者优先。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability
Recruitment status unknown · Last observed 2026-10-16
1. 视觉感知算法研发（图像/视频）
负责场景分类、主体检测、人像分割、景深估计、画面质量评估、运动光流、视频时序建模等基础视觉算法的训练、优化、迭代、落地。
2. Camera Agent智能体相关算法研发
参与视觉智能体框架建设，负责预训练Camera Agent相关模型，包括多模态大模型，AIGC大模型，相机端侧模型相关的研发，微调和部署，包括功能实现,性生能优化,和部署应用等，学习并落地：场景自主识别、拍摄状态判断、构图评估、调参评估、拍摄引导、曝光/对焦策略自适应、智能运镜决策等逻辑，协助搭建全自动AI拍摄智能体能力。
务中。
3. 算法训练、数据与评测体系建设
负责数据集制作、模型训练、消融实验、效果对比、主观/客观评测，输出标准化算法迭代报告。
4. 端侧算法工程化落地
配合完成模型轻量化、量化、推理测速、功耗优化，协助NPU部署与业务对接，保障视频/拍照实时性落地。
任职要求
1. 硕士及以上学历，计算机、电子信息、自动化、光学、人工智能、图像处理等相关专业，2025/2026应届毕业生。
2. 扎实的数字图像处理、相机成像原理、机器视觉基础，了解ISP成像流程优先。
3. 熟练深度学习基础：CNN/Transformer、检测/分割/分类网络，熟练使用PyTorch。
4. 熟悉Python，掌握基础C++代码能力，了解端侧部署、模型量化、推理加速者优先。
5. 熟悉OpenCV、视频处理、光流、多帧融合、图像降噪、HDR等传统视觉算法优先。
6. 对Camera智能拍摄、视觉智能体、端侧AI、视频理解有浓厚兴趣，愿意长期深耕影像视觉方向。
加分项
1. 有影像算法、图像处理、视频增强相关项目、科研课题、竞赛经历。
2. 了解高通Spectra ISP、RAW图像处理、手机成像链路。
3. 接触过智能决策、强化学习、状态机、视觉具身智能、Agent相关技术。
4. 有顶会论文、专利、视觉开源项目、模型轻量化落地经验。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}, {"code": "CT_125", "en_name": "Shanghai", "i18n_name": "上海", "location_type": 3, "mdm_code": "MDCY00000002", "name": "上海", "node_status": 1, "py_name": "shanghai"}], "job_po
Recruitment status unknown · Last observed 2026-10-16
1. 参与优化小爱同学导航出行与本地生活服务能力，为任务完成率与响应速度负责。
2. 探索Agent前沿方案，通过Harness优化、评估器优化、Agentic模型精调、自进化等方式持续迭代Agent效果；
3. 推动Agent驱动模型的持续优化，探索数据合成、预训练及后训练（SFT / RL）等技术路径；
任职要求
1. 计算机相关方向的硕士或博士；
2. 有大模型AI Agent相关研究和项目经历，发表过相关方向的顶会论文优先
3. 具有优秀的解决复杂问题和多人协作沟通的能力，能够独立思考并开展工作，具有强烈的好奇心和责任心；
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 3, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "
Recruitment status unknown · Last observed 2026-10-16
1、业务赋能：打造行业领先的通Agent解决方案，驱动小米人车家场景的智能化升级；
2、影响力建设：攻克Agent领域关键技术，通过高水平论文发表、开源项目贡献、顶尖赛事夺冠等方式，构建学术界与工业界的双重影响力。
任职要求
1、计算机相关专业硕士，博士优先；
2、具有大模型 AI Agent 相关研究背景，在 NeurIPS, ICLR, ICML, CVPR, AAAI 等领域顶级会议发表过高质量论文；
3、保持对 AI 技术爆发的原始冲动，对通用人工智能（AGI） 具备长期坚定的信念，能够敏锐洞察并积极拥抱技术新范式，具备独立探索前沿思路的自主性。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 3, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_na
Recruitment status unknown · Last observed 2026-10-16
1、打造行业领先的通用大模型智能体解决方案，落地小米核心业务；
2、构建具备行业影响力的大模型智能体关键技术，并通过发表论文、开源、竞赛等，打造学术影响力。
任职要求
1、计算机相关方向的硕士或博士；
2、有大模型AI Agent相关研究和项目经历，发表过相关方向的顶会论文；
3、对 AI 充满热情，对通用 Agent 具备长期信念，积极拥抱新技术与新范式，主动探索前沿思路。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 2, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "dep
Recruitment status unknown · Last observed 2026-10-16
岗位职责
负责 AI Agent 智能体系统研发，探索并优化多模态大模型（MLLM）在图像质量评价（IQA）业务场景中的高效微调和推理技术，满足多样化业务需求（拍照、视频等），实现模型在AI Agent工作流中的快速适配与高效部署；
深入研究多模态、大模型等内容理解能力在图像质量、风格、美学评价方面创新型应用，探索下一代图像质量评价（IQA）新范式。
结合产品需求，参与AI Agent多模态大模型算法的设计、开发、验证、集成、优化和维护，解决算法产品化过程中的各种技术问题，确保算法达到上线要求；
负责多模态大模型（MLLM）的全流程训练，包括高质量数据的制作与收集、预训练（Pre-Training）、指令微调（SFT）和后训练（Post-Training），在开源及业务数据集上实现SOTA性能；
任职要求
岗位要求
硕士及以上学历，计算机、人工智能等相关专业，有 AI Agent或大模型相关项目或实习经验；
熟悉主流 Agents 框架与范式，熟悉 ReAct、RAG、Function Calling、Planner/Memory 等方法； 熟悉 RAG、Function Calling、代码生成、代码理解等 Agent 核心技术，具备复杂任务规划、检索增强及性能优化经验；
熟悉大模型训练与推理流程，掌握 PyTorch、Transformers，具备 SFT、LoRA、DPO/RLHF 等训练经验，理解后训练与对齐方法，熟悉 Transformers/vLLM/TGI 等高效推理与服务化；
具备良好的工程能力和问题分析能力，有 AI Agent、Coding Agent、企业智能体等相关项目经验，或有开源项目、论文成果者优先。
在多模态或大模型领域主导过有影响力项目或发表过高水平论文者优先；具备图像质量、美学评价研究落地经验者优先。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_125", "en_name": "Shanghai", "i18n_name": "上海", "location_type": 3, "mdm_code": "MDCY00000002", "name": "上海", "node_status": 1, "py_name": "shanghai"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list":
Recruitment status unknown · Last observed 2026-10-16
Agent评估体系搭建与优化：
1. 负责智能Agent、大模型应用智能体的评估体系设计、搭建与迭代优化，覆盖Agent规划、工具调用、记忆交互、多轮决策等核心能力评估。
2. 从事大模型Agent评估领域前沿技术研究，探索自动化评估、客观量化评估、主观体验评测等方案的落地应用，包含评测数据集构建、评估指标体系设计、评测流程迭代优化。
3. 负责产品级智能Agent的效果评估与迭代优化，针对Agent推理错误、工具滥用、决策低效、多轮一致性差等实际问题，设计针对性评测方案与优化策略，持续提升智能Agent的综合交互与任务执行效果。
算法研究与创新：
跟踪大模型Agent、智能体评估、大模型评测领域的前沿研究成果，将先进评估算法、评测框架落地应用于公司智能Agent产品，沉淀标准化评测工具与方法论，优质成果可整理为学术论文、技术专利或技术报告对外输出。
任职要求
1. 本科及以上学历，在读研究生优先，计算机科学、人工智能、自然语言处理、大模型、智能Agent相关专业优先；
2. 在大模型评测、智能Agent、自然语言处理、大模型应用落地方面有相关实践经验者优先；
3. 熟练掌握Python编程语言，熟悉PyTorch/TensorFlow等主流深度学习框架，熟悉大模型微调、Prompt工程、Agent框架（如LangChain、AutoGPT等），了解大模型自动化评估、对抗评测、多维能力评测相关技术；
4. 做事严谨踏实、逻辑清晰、责任心强，具备良好的问题拆解、数据分析能力，拥有优秀的沟通协作能力和团队合作意识；
5. 在ACL、EMNLP、ICML、NeurIPS等国际顶级会议发表相关论文、参与过大模型评测相关竞赛并取得优异成绩、GitHub有Agent/大模型评测相关开源项目贡献者优先。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type":
