vivo多智能体算法工程师（OS产品方向）-实习
任职要求
1、本科及以上在校生（计算机、电子信息、自动化、人工智能等相关专业)可保证稳定实习时长（3个月及以上）； 2、具备扎实的机器学习（ML）、深度学习基础理论，了解多智能体协同、多模态融合的基本原理； 3、熟悉Transformer架构及其变体（如GPT、ViT等），了解多智能体相关算法，对其核心逻辑有清…
工作职责
1、协助研发基于多智能体协同（Multi-Agent）、上下文压缩，智能体自进化等的agent相关算法，参与算法原型搭建、调试与优化，配合团队将技术落地到实际场景； 2、 协助团队抽取、挖掘多智能体、多模态领域的技术专利点，辅助提升技术层面实力； 3、跟踪多智能体协同、多模态、Transformer、VERL等相关领域的前沿技术与论文，协助完成论文精读、技术调研及报告撰写
岗位职责 1、智能Agent研发 基于 AutoGen 或 LangGraph 框架，设计和实现多智能体（Agent）系统，支持 Agent-to-Agent 协作。 构建物流垂域的智能应用场景，如运输调度、仓储优化、路径规划、订单跟踪与异常处理。 2、系统架构与优化 负责多智能体系统的架构设计、任务分解与交互协议制定。 优化 Agent 的推理链路和交互效率，提升系统的稳定性与可扩展性。 3、模型与数据集成 将大语言模型与物流业务数据（订单、运单、库存、GPS轨迹等）结合，提升智能体的业务理解与决策能力。 参与构建和优化奖励机制、反馈回路，确保 Agent 输出符合业务目标。 4、跨团队协作 与产品、算法、业务团队紧密合作，推动智能Agent在物流场景的落地与迭代。
1. 学术成果转化：将公司在多模态大模型、视觉理解、智能体等方向的技术积累整理为高质量学术论文（顶会/顶刊）及发明专利 2. 预研探索：跟踪前沿进展，在以下一个或多个方向开展预研工作： - 目标检测与视觉感知（2D/3D 检测、分割、跟踪） - 多模态视觉理解（VLM、图文推理、视觉问答） - 智能体规划与决策（Agent Planning、Tool Use、多步推理） 3. 原型验证：设计并实现算法原型，完成实验评估与技术报告撰写 4. 技术协作：与工程团队协同，推动预研成果在产品中的落地验证
1. 探索研究多模态大模型、GUI agent、Agentic RL、AI memory、多模态RAG等前沿技术。 2. 参与研发多模态、全模态大模型等下一代人工智能核心技术，探索面向真实环境的多模态智能体多轮强化学习。 3. 负责跟踪和研究多模态大模型前沿技术调研，参与多模态大模型to C和to B业务场景落地。
1. 探索研究多模态大模型、GUI agent、Agentic RL、AI memory、多模态RAG等前沿技术。 2. 参与研发多模态、全模态大模型等下一代人工智能核心技术，探索面向真实环境的多模态智能体多轮强化学习。 3. 负责跟踪和研究多模态大模型前沿技术调研，参与多模态大模型to C和to B业务场景落地。