腾讯面向长程、复杂决策问题的具身智能体的研究

负责面向异步长程任务的主动式Agent研究，重点探索Agent在长时间跨度、多步骤复杂任务中的自主规划、主动推进与自适应纠偏能力。研究方向涵盖长程任务分解与动态重规划、主动式交互机制设计、跨session状态管理，以及支撑上述能力的Agentic Model post-training方法，并推动研究成果在Accio实际业务场景中落地。 1、研究异步长程任务场景下Agent的核心能力建设，包括任务分解与规划、执行监控与自主纠偏、主动通知与用户交互策略等； 2、设计面向长程Agentic能力的post-training方案，探索适配异步任务特性的数据构造、奖励建模与训练方法； 3、构建长程异步任务的评测体系与仿真环境，弥补现有benchmark在任务时间跨度、多轮交互、并发协调等维度的空白。

简介：真实世界中智能体应对长周期、多步骤、开放式的任务目标仍存在瓶颈，如多日旅行规划、专业领域深度研究等任务均呈现长交互轮次、多依赖子任务、全局约束严格的特征，当前智能体易出现上下文丢失、计划漂移、误差累积等问题，难以支撑超长轮次、超长时间的超长程任务执行。本课题研究方向包括但是不限于： 1、长程任务鲁棒规划：结合思维链（CoT）、思维树（ToT）等方法，实现复杂目标的可执行子任务拆解，兼顾子任务依赖关系与全局时间/成本约束；研究基于实时环境反馈的重规划机制，解决“模拟漂移”导致的计划与现实脱节问题，提升规划鲁棒性；设计高效的上下文管理与记忆压缩技术，避免长交互过程中关键信息遗忘，支撑超长序列任务的稳定执行。 2、开放环境动态适应：探索解决真实世界中目标模糊、环境多变、突发干扰下的任务持续执行难题。 3、高效学习范式：研究真实世界开放任务reward以及过程奖励设计方法，为长程任务中间步骤提供有效反馈，解决奖励稀疏问题；研究开放环境下的持续学习方法，避免“灾难性遗忘”，增强智能体在新场景、新任务中的泛化能力。

1、围绕搜索推荐系统中大规模特征生产链路复杂、数据血缘不清晰、特征复用率低、计算链路冗余严重等问题，开展面向特征工程智能治理的 Agent 系统研究与原型建设。参与构建 Feature Engineering Agent 系统，利用 Agent 的任务规划、工具调用、记忆机制、多步骤推理、结果校验与人机协同能力，实现对特征生产代码、任务 DAG、数据血缘和特征依赖关系的自动理解与治理。 2、参与设计和实现面向 SQL、Spark、Flink 等特征生产代码的解析工具链，并将代码解析、元数据查询、任务 DAG 查询、血缘分析、特征 profile 分析、资源成本估算等能力封装为 Agent 可调用工具。 3、研究特征血缘自动构建、冗余特征识别、特征复用推荐、特征依赖关系推理、DAG 优化建议生成等 Agent 工作流，使 Agent 能够在真实特征生产链路中完成复杂治理任务的拆解、执行、验证与解释。 4、探索单 Agent 与多 Agent 协作机制，构建 Code Understanding Agent、Lineage Agent、Feature Reuse Agent、DAG Optimization Agent、Risk Review Agent 等专业能力模块，支持复杂特征治理任务的自动化和半自动化处理。 5、参与构建 Agent 安全与可信机制，包括工具调用权限控制、结果证据追踪、置信度评估、幻觉检测、生产变更审批、风险提示与回滚建议，确保 Agent 输出可解释、可验证、可审计。 6、在真实搜索推荐业务场景中进行实验验证，评估 Agent 系统在血缘识别准确率、冗余特征发现率、特征复用推荐采纳率、计算资源节省、研发效率提升等方面的效果，并形成技术方案、系统原型、技术报告、专利或论文成果。

1. 生成式推荐模型研发： 基于 Transformer 与 LLM 架构，设计并优化面向电商场景的生成式推荐模型，提升用户转化； 2. 电商推荐 Reasoning 探索： 研究推荐过程中的推理能力（Reasoning），利用思维链（CoT）或模型内置推理提升推荐结果的逻辑性与准确度； 3. 模型后训练与对齐（Post-training & Alignment）： 负责大模型全生命周期的微调与对齐，包括高质量 SFT 数据构建、指令微调，以及利用 RL 技术驱动模型性能演进； 4. 前沿技术转化与原创突破： 不满足于 SOTA 成果的复现，能够基于业务痛点进行底层算法创新。 积极参与国际顶会（KDD, SIGIR, NeurIPS 等）投稿，输出高质量专利与学术论文，引领行业技术演进。