vivoAI Agent 大模型算法专家
任职要求
1. 计算机科学、人工智能或相关领域本科及以上，5年以上 AI/NLP 算法经验。 2. 主导过 Agent/Tool-Use 方向的大模型训练与优化，有从数据构造→SFT→RL 的全链路经验，非仅限 Prompt Engineering。 3. 精通 LLM 预训练、对齐训练（…
工作职责
1. 负责 vivo 大模型智能体（Agent）的核心算法研发，推动手机操作系统从「被动指令执行」向「主动自主服务」（Agent Phone）的范式演进。 2. 深入研究并落地 Planner-Executor 逻辑框架，提升大模型在复杂场景下的任务拆解、多步推理（ReAct/CoT/ToT）、工具调用（Tool-Use / Function-Calling）以及长链路的闭环执行能力。 3. 结合 Model Context Protocol（MCP）等前沿协议规范，构建和优化 Agent 与移动端底层系统 API、第三方应用以及个人化记忆（Personalized Memory）系统的交互链路，实现千人千面的上下文感知任务执行。 4. 主导 Agent 模型的训练与调优，运用 DPO、GRPO 等强化学习与对齐算法，以及 On-Policy Distillation（OPD）等技术，基于真实执行反馈持续提升 Agent 的决策质量、鲁棒性与推理效率。 5. 跟踪大模型及智能体领域的最新学术与工业界进展，探索 Sparse MoE、Linear Attention 等高效模型结构在端云协同 Agent 场景下的应用。关注 GUI Agent、模型自进化（Self-play / Agent Harness）等前沿方向，判断技术趋势并转化为产品能力。
深入研究AI应用算法，探索LLM在深度推理、深度研究（Deep Research）、Code Agent、多模态Agent等领域的技术研究，包括 AI搜索，Plan、Tool Usage、Memory、Agent Reasoning、多模态理解等技术，推动AI技术在智能体产品应用中的突破。 探索工业级的Agent算法架构方案，提升Agent系统的执行效率和结果对齐准确度。在创新应用场景中，优化长上下文场景的Agent推理算法架构，提升Agent解决任务复杂度，探索System2技术边界。 针对重点方向如Agentic Search，Memory，进行端到端优化，包括系统算法框架设计、模型训练等，解决实际应用相关问题。 跟进大模型智能体前沿技术趋势，结合实际业务需求，将技术应用到实际业务场景；
1. 负责多模态大模型在产业链场景中的算法设计、研发及优化，推动模型在电商Agent的意图识别、规划、工具调用、报告生成等多个业务环节的落地与效果提升； 2. Agent业务相关垂直领域模型 多模态agent 数据合成/后训练，后训练VLM为代表的Agent通用能力（如tool use, planning等）增强，增强工具链路调用、知识图谱推理、report生成能力； 3. 参与AI Agent产品的需求分析、技术选型、方案设计、用户体验提升等，发现算法提升对于AI Agent落地的价值，参与下一代AI agent产品打造；
飞猪AI导购团队负责飞猪搜索与推荐核心链路创新导购应用研究,正在用大模型系统性重构旅行导购体验。把大模型的理解、推理、Agent与多模态能力落到真实旅行场景,探索统一搜推基模的新范式,让每一次搜索与推荐都更懂用户的旅行意图。团队直面亿级用户与海量旅行内容/商品,兼具前沿技术探索与规模化业务落地的空间。 1、AI摘要Agent研发: - 设计并实现基于LLM的搜索摘要Agent,提升对搜索结果与旅行内容的理解、推理与结构化总结能力。 - 探索 LLM Reasoning 技术(思维链、多步推理),优化复杂查询的 Deep Research 模式,实现长文本理解与跨内容/跨商品的信息融合。 - 构建端到端系统,涵盖意图理解、知识与商品检索、结果生成与偏好对齐,持续提升用户体验。 2、AI搜推链路升级: 探索搜索/推荐引擎与大模型、机器学习、强化学习等前沿技术的结合,推动AI搜推链路重构与系统优化,结合内容与时空热点属性,构建场景化的导购引导。 3、模型优化及应用: - 通过指令微调(SFT)、偏好对齐(RLHF/DPO)等技术优化模型在搜推场景的适应性。 - 探索多模态信息(文本、图像、视频、结构化数据)融合的搜索与生成技术。 - 参与统一搜推大模型建设;
1、主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的架构设计、模型训练与评测； 2、运用SFT、RL等Post-training训练方法，提升大模型在自主规划（Planning）、多步推理、RAG增强生成、工具调用、数据问答、文案生成等方面的能力； 3、跟踪LLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点突破复杂推理、数据洞察、AI搜索、文案创作、图像连续编辑等方向的应用创新； 4、持续优化Agent算法与系统架构，构建端到端的智能体评测体系，开发自动化评估工具与多维评价指标，提升Agent系统性能与效率，打造业内领先的AI Agent技术方案。