小红书交通-平台专家IC

随着 LLM 与 RL 技术的飞速发展，具备自主决策与执行能力的 Agent 系统成为 AI 领域的前沿研究方向。本课题聚焦于构建能够在真实物理世界（餐饮、购物、旅行规划等）复杂场景下自主运行的 Agent 系统，解决传统 AI 系统难以应对的多步骤规划、长期目标追踪、环境适应性等核心挑战。主要研究内容包括但不限于： 1）自主规划与决策：研究基于 LLM 的 CoT 等的复杂推理机制，使 Agent 能够自主分解并解决如"为一家四口安排一个周末出游计划，包括交通、住宿、餐饮和活动"等多步骤任务；开发能够在规划失败时进行自我修正和重新规划的自适应决策框架，突破传统 Agent 在复杂场景下的规划瓶颈。 2）强化学习驱动的自主优化：应用前沿强化学习算法（如PPO、GRPO、RL）优化 Agent 的决策系统，通过用户反馈和任务完成度构建复杂奖励函数；研究如何在高维状态空间和长期依赖问题中有效进行奖励分配，解决真实复杂物理场景中典型的延迟反馈和稀疏奖励挑战。 3）多 Agent 协作与分布式决策：设计基于角色分工的多 Agent 协作框架，使不同专长的 Agent 能够协同解决复杂任务，如"美食专家 Agent 负责菜品推荐，规划 Agent 负责整体行程安排"等；研究 Agent 间的通信协议和共识机制，解决分布式决策中的冲突协调和资源分配问题。

1、负责L4级自动驾驶车辆的规划（Planning）与控制（Control）算法开发，包括路径规划、行为决策、运动控制等模块的设计与实现； 2、针对复杂交通场景（如无保护左转、拥堵路段、行人交互等）优化算法，确保系统满足安全性、舒适性及实时性要求； 3、与感知、定位、仿真团队协作，完成多模块系统集成与功能验证； 4、主导实车测试与问题排查，分析日志数据并提出算法改进方案； 5、撰写技术文档，支持功能安全（ISO 26262）及预期功能安全（SOTIF）认证。 6、规划算法： 6-1、掌握分层规划框架（全局路径规划+局部行为决策），熟悉A*、RRT*、Lattice Planner等算法； 6-2、具备博弈论（Game Theory）或强化学习（如DQN、PPO）在交互场景中的应用经验。 7、控制算法： 7-1、精通PID、MPC（模型预测控制）、滑模控制，熟悉车辆动力学模型（如自行车模型）； 7-2、有轨迹平滑（Spline、Bezier曲线）及舒适性优化（加加速度约束）经验。 8、工具链： 8-1、熟练使用ROS2、Apollo平台，掌握MATLAB/Simulink进行控制模型仿真； 8-2、熟悉HIL（硬件在环）测试及Log分析工具（如Wireshark、ROSbag）。

工作职责： 1、能够深入了解客户的品牌内涵，把握客户需求，并能够结合小红书平台调性和特色撰写完整的策划方案； 2、对策划方案的质量有全局化的掌控能力：包括创意、文字精简准确的传递信息、预算分配等； 3、协助销售总监提案，为客户提供专业的策略解决方案； 4、配合产品运营部门，参与公司产品资源的深入挖掘和整合，对现有资源提供战略性优化建议并实施推动。

1.负责交通汽车行业品牌KA客户的运营，对接客户brief并制定合理的营销/广告产品方案(效果+品效合一); 2.客户全生命周期的跟踪与指导，输出耐消行业客户在小红书平台品牌成长的整体策略，帮助客户找到更多元的转化链路，合理引导客户对于小红书预期，打造适配小红书的健康，可持续发展的客户生态: 3.根据项目情况随时与广告主进行前期项目沟通，了解广告主对于小红书的需求，制定相应的解决方案，给出详细的策略; 4.监控客户数据，完成数据分析，输出提案、结案分析报告并给出结论及建议; 5.沉淀出适用于行业客户的可复制的解决方案。