百度2027AIDU-Agent应用全栈工程师(J99974)
任职要求
不满足于“调用 API”，而是想重新定义软件如何被构建（Software 2.0 / Agent-first） 对“让 AI 像人一样完成复杂任务”这件事有执念 喜欢动手做实验、快速迭代，而不是只停留在论文或概念 愿意在一个高速变化、没有标准答案的领域中探索 深度使用过大模型（如 GPT / Claude / Gemin…
工作职责
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. 研究跨模态数据表征方法、高质量数据萃取方法、高效算法算力融合的创新算法，探索跨模态端到端大模型的前瞻技术和趋势； 2. 支持大模型平台化及规模化创新应用落地。
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。
我们致力于构建全球领先的AI异构计算加速引擎和加速平台。建立融合推理（Inference）、训练（Training）的软硬件一体的AI计算加速解决方案，并应用于行业最大的规模的AI数据中心，解决云计算、搜索、信息流、图像、视觉、语音、自然语言处理等的算法优化与计算加速问题。 1. 负责大规模AI前向计算引擎（Inference Engine）框架和底层算子开发与优化； 2. 负责大规模AI计算通信库及通信算法开发与优化； 3. 负责面向CPU/GPU/FPGA/ASIC等多元化计算架构的编译系统开发、编译优化和算法加速； 4. 负责异构高性能计算平台的设计、研发，高性能计算库、通信库开发与优化。