百度2027AIDU-智能体算法工程师(J99969)
任职要求
1. 计算机、人工智能等相关专业硕士及以上学历； 2. 熟悉大语言模型原理及应用，具备Prompt Engineering、Fine-tuning等实践经验； 3. 掌握LangChain、LlamaIndex、AutoGen等至少一种Agent开发框架； 4. 有RAG、知识库构建、…
工作职责
1. 负责AI Agent的设计与研发，包括感知-决策-执行闭环、多智能体协作、长期记忆与推理机制； 2. 研究ReAct、AutoGPT、CoT等前沿范式，熟练掌握LangChain、AutoGen、CrewAI等Agent开发框架； 3. 优化大模型在Agent任务中的规划、工具调用、反思、代码生成等核心能力； 4. 推动Agent在搜索、对话、办公、数据平台、网盘文库、生活娱乐等产品场景中的规模化应用； 5. 探索RAG与Agent融合架构，提升知识理解与行动能力的协同效果； 6. 建设Agent评测体系，持续优化成功率、响应延迟、成本及用户体验。
1. 端到端系统 -构建强大且扩展性强的端到端系统，设计和训练端到端模型，规模化解决自动驾驶问题； -应用生成模型、模仿学习、强化学习等提升模型规划及推理能力； 2. 数据与模型迭代 -探索数据采集与数据生成方法，提升训练数据的多样性与质量； -研究并实现适用于预训练与后训练阶段的最优数据使用策略。
1. 构建下一代基于大模型的 Autonomous Agent 系统，让 AI 从“对话工具”进化为“可执行任务的智能体”； 2. 设计复杂任务的 规划（Planning）—执行（Acting）—反思（Reflection）闭环，提升 Agent 的自主决策能力； 3.搭建 Agent 的核心能力体系，包括： Tool / API 调用（函数调用体系）、长短期记忆（Memory）机制、多轮推理与状态管理（Reasoning & State）； 4. 探索并落地 多Agent协作（Multi-Agent Systems），解决复杂业务问题（如自动化流程、复杂决策、智能运营等）； 5. 深度参与 RAG（检索增强生成）+ Agent 融合架构设计，构建具备知识理解与行动能力的系统，推动 Agent 在真实场景中的应用落地（如搜索、医疗、企业服务、数据分析、自动化办公等）参与 Agent 系统的评测体系建设（Eval），优化智能体的：成功率 / 稳定性、成本（Token / 调用）、延迟与用户体验； 5. 持续跟踪前沿方向（如 Tool Learning、Self-Improvement、长期记忆、World Model、多模态 Agent），并进行工程化落地。
1. 负责大模型（LLM）的核心算法研发，包括预训练、指令微调（SFT）、RLHF、对齐优化、推理增强等； 2. 探索高效的模型调优策略、高质量数据建设方法，研究MoE稀疏化、Latent Attention等前沿模型结构； 3. 支持大模型在搜索、推荐、对话、AIGC、语音、网盘文库、出海等多元业务场景的应用落地与效果优化； 4. 设计、实现并优化大规模分布式训练与推理框架，提升训练稳定性和推理效率； 5. 参与大模型平台化建设，推动模型能力向创新产品转化。
1. 负责多模态大模型的算法研发与迭代，覆盖图文、视频、语音、3D等多模态融合理解与生成； 2. 研究跨模态对齐、对比学习、扩散模型、视频生成、图像编辑、3D生成、风格迁移等前沿技术； 3. 参与多模态数据pipeline建设、评测体系设计与业务落地，推动模型在搜索、推荐、AIGC、健康、自动驾驶、网盘文库、视频理解、解题等核心场景中的应用； 4. 研发方向包括但不限于：视觉感知算法、多模态理解模型、图像/视频生成、模型压缩轻量化、文档多模态等； 5. 建设多模态数据管线，优化模型训练与推理效率，完成算法模型的训练、优化和部署。