滴滴（1）Transaction Product|B端产品实习生

1.主导GRPO/PPO/DAPO等Alignment算法研发，提升模型在B2B复杂场景下的长链条推理、Tool-use及自省纠错能力； 2.基于1688海量买卖家交互数据，搭建针对B类生意场景的模拟器或世界模型，通过模拟博弈持续优化Agent的最优决策路径； 3.参与千亿级模型的继续训练与Multi-Agent RL训练，构建openclaw的大脑，同时推进落地； 4.将业务突破转化为学术成果，支持在 NeurIPS、ICLR、ICML 等顶会发表高质量论文，或推动相关算法在社区的开源，建立行业影响力。

我们正致力于用AI技术打造服务于千万中小企业工厂的智驾经营Agent，重构B2B电商的经营体验。1688决策大模型与智能体算法专家具体工作职责包括： 1. 负责研发行业领先的B2B商业世界模拟器，利用海量多模态与交易数据构建电商虚拟沙盘，为Agent的大规模强化学习提供基础环境； 2. 负责构建大规模多智能体系统（MAS）的协同与自进化框架，研究并落地基于Agent反思、经验蒸馏的群体进化算法； 3. 深入真实商业博弈场景（如定价、营销、供应链运筹），研发基于商业反馈的强化学习（RLHF/RLAIF）与大模型可解释推理算法，在真实业务中拿到显著的收益。

1、主动利用多渠道寻找并拜访工厂型企业，根据客户需求完成商家生意增长的方案售卖； 2、定期复盘商家在1688平台上的综合投放效果，给予客户专业建议反馈，提升客户满意度； 3、建立良好的客情关系，通过多种方式，促进客户之间的相互分享和共同成长，推进市场繁荣发展；