OPPOAI研究员（智能体检索）
任职要求
1.计算机、人工智能、数学、自动化、软件等相关方向的硕士及以上学历。 2.优秀的算法和编程能力，掌握常用机器/深度学习模型，熟练使用Python/Java等编程语言和至少一种深度学习框架(PyTorch/TensorFlow等）。 3.具备1年以上机…
工作职责
面向AI搜索等高价值业务场景，预研和落地AI智能体检索核心技术，岗位职责包括但不限于： 1.针对检索推理大模型(Search-R1)、多模态检索&特征生成、检索增强生成(RAG)、AI检索智能体(DeepSearch)等核心难题，负责研发和突破关键AI技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新AI技术，形成技术影响力。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 【岗位资源】 1.真实大规模搜推广、智能助理业务场景需求、数据、AI开发平台、计算资源。 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。
业务场景： 在开放世界游戏环境中，进行游戏内容理解与动态解说，驱动智能体完成指定任务、实现自主探索，并支持多智能体复杂交互等前沿AI应用场景。 岗位职责： 研究与开发： 负责开放世界游戏场景下基于大语言模型（LLM）及视觉语言模型（VLM）的智能体（Agent）技术研究与开发，涵盖Prompt工程、上下文学习（ICL）、检索增强生成（RAG）、监督微调（SFT）、强化微调（RFT）等关键技术。 框架与工具链构建： 主导游戏智能体核心框架的设计与实现，推动训练数据合成、自动化评测体系及相关算法的研发。 工业化落地： 推动游戏智能体技术在游戏内容生产与玩家消费场景的工业化部署与产品化落地，实现技术价值转化。
1.负责基于LLM的智能体算法在游戏NPC、知识问答、陪玩等场景中的应用； 2.负责LLM训练算法(SFT、RL）、训练数据合成、自动评测相关算法研究，提升LLM在复杂游戏场景的多轮对话、推理规划能力； 3.负责基于LLM的检索增强(RAG)、多智能体协作算法研究，并推动其在游戏内相关场景落地。
1.负责基于LLM的智能体算法在游戏NPC、AI BOT等场景中的应用； 2.负责LLM训练算法(SFT、RL）、训练数据合成、自动评测相关算法研究，提升LLM在复杂游戏场景的多轮对话、推理规划能力； 3.负责基于LLM的检索增强(RAG)、多智能体协作算法研究，并推动其在游戏内相关场景落地； 4.探索前沿技术，提高强化学习效率和效果，结合游戏场景进行应用。
进行个性化AI(大模型和智能体个性化)和AI记忆系统相关的学术研究和算法落地： 1. 大模型和智能体个性化技术，包括个性化模型对齐、个性化推理/解码、个性化AI的评估和Benchmark等研究方向； 2. AI/Agent长短期记忆系统的算法和架构搭建以及评估体系的构建，包括推理模型/检索模型等； 3. 相关应用落地，包括小布记忆、个性化引擎、AI Memory等； 4. 更多前沿研究方向和未来生活应用场景的深入研究和探索。