滴滴大模型算法工程师-Agent 应用与强化学习方向(JR2026010600Q)
任职要求
任职要求 1、计算机、人工智能等相关专业，具备扎实的数据结构与算法基础； 2、具备扎实的 Python 编程能力，熟练掌握 PyTorch 等深度学习框架，有优秀的代码规范与工程素养； 3、熟悉 LLM 训练全流程（Pre-train/CPT/SFT/RLHF），熟练使用主流训练/推理框架（如 Megatron-LM、DeepSpeed、vLLM、Sglang 等）； 4、深入理解强化学习原理，熟悉 PPO、DPO、GRPO 等算法基本原理，熟悉基于 RLV…
工作职责
1、参与司机智能助手相关的大模型 Agent 设计与应用，构建包含意图识别、复杂任务拆解、多步推理、ReAct 工具调用、长短期记忆及智能推荐在内的完整链路； 2、运用 SFT、RL 等后训练方法训练强化垂域模型，提升大模型的多步推理、上下文遵循、ReAct 工具调用、领域问答等能力； 3、基于数据反馈构建高质量训练数据，设计奖励函数与优化机制，提升模型在垂直领域的泛化能力，利用 PPO/GRPO 等算法建设基于强化学习的迭代路径； 4、跟踪 LLM 与 Agent 领域的国际前沿技术（如多智能体协作、Long Context、CoT），推动前沿技术在业务中的应用落地； 5、深度理解网约车业务，沉淀通用、模块化的算法能力，与产品、工程紧密沟通协作，推动业务迭代。
1.负责构建具备自主决策、协作与工具调用能力的多智能体系统（Multi-Agent System），推动大模型从“对话式AI”向“任务执行体”演进，解决复杂场景下的自动化问题； 2.深入研究并应用LLM的复杂推理技术（如思维链CoT、思维树ToT），攻克开放式、复杂问题的深度研究模式，赋予Agent独立探索与解决问题的能力； 3.运用指令微调、强化学习等方法，提升大模型规划、推理与遵循指令的能力，从而提升模型知识边界探索和抗干扰的能力。
我们致力于在电商交易生态中，定义下一代AI驱动的服务范式。你将作为核心成员，负责打造具备高情商、强逻辑、高可靠性的 Service Agent。我们不仅是在做小蜜智能对话机器人，更是通过大模型技术重塑数亿用户的智能服务办理流程，构建电商服务领域的“数字大脑” 1. Agent应用架构设计与落地：负责电商服务领域复杂服务场景（如小蜜、纠纷&赔付、服务风控），设计并搭建具备多步推理、工具调用能力的 Agent 架构，负责核心产品的workflow设计，解决智能服务长链路以及多链路协作难点; 2. 构建高可用智能服务系统：主导Agent算法工程的应用落地，涵盖向量库选型、多路召回策略实现、Context Engineering以及工具调用的精准控制。负责大模型推理加速、响应延迟及成本路由控制。提升复杂商业场景下的问题解决率及落地稳定性； 3. Agent系统效果评测与迭代：针对电商服务中的高置信度场景，构建 Service Agent 专属评估体系（Benchmark）及全链路自动化评测体系，通过数据工程手段优化Prompt工程与知识库质量，确保Agent 输出符合服务严谨性要求； 4. 前沿技术探索与转化：探索多智能体协作（Multi-Agent）、多模态融合和Self-Evolving等前沿方向，鼓励将学术界的最新成果快速转化为可落地的产品能力。
我们致力于在电商交易生态中，定义下一代AI驱动的服务范式。你将作为核心成员，负责打造具备高情商、强逻辑、高可靠性的 Service Agent。我们不仅是在做小蜜智能对话机器人，更是通过大模型技术重塑数亿用户的智能服务办理流程，构建电商服务领域的“数字大脑” 1. Agent应用架构设计与落地：负责电商服务领域复杂服务场景（如小蜜、纠纷&赔付、服务风控），设计并搭建具备多步推理、工具调用能力的 Agent 架构，负责核心产品的workflow设计，解决智能服务长链路以及多链路协作难点; 2. 构建高可用智能服务系统：主导Agent算法工程的应用落地，涵盖向量库选型、多路召回策略实现、Context Engineering以及工具调用的精准控制。负责大模型推理加速、响应延迟及成本路由控制。提升复杂商业场景下的问题解决率及落地稳定性； 3. Agent系统效果评测与迭代：针对电商服务中的高置信度场景，构建 Service Agent 专属评估体系（Benchmark）及全链路自动化评测体系，通过数据工程手段优化Prompt工程与知识库质量，确保Agent 输出符合服务严谨性要求； 4. 前沿技术探索与转化：探索多智能体协作（Multi-Agent）、多模态融合和Self-Evolving等前沿方向，鼓励将学术界的最新成果快速转化为可落地的产品能力。
1. 负责广告平台投放 Agent业务的研究、设计与落地，构建具备规划、执行、反馈、迭代能力的智能投放 Agent，推动广告投放从人工操作走向全链路自动化与智能化。 2. 负责以 Skills 为核心的 Agent 自主进化体系建设，构建 Agent记忆、经验、任务复盘系统与知识固化机制，使业务 Agent 能够从历史任务、人工反馈、线上结果和异常案例中持续学习与改进。 3. 构建面向业务 Agent 的 Harness 基础设施，包括上下文工程、任务规划与执行、多 Agent 协作机制、评测与观测体系、HITL人机协同、安全约束与异常兜底机制等。 4. 负责 Agent进化相关的大模型后训练与强化学习前沿研究，持续提升模型在业务场景下的决策、规划与执行能力。 5. 与产品、工程、运营等团队深度协同，将模糊业务问题抽象为可评估、可迭代、可规模化的 Agent技术方案。