新浪微博智搜Agent应用算法工程师
任职要求
1. 计算机科学、人工智能或相关领域硕士及以上学历，博士优先。 2. 深入理解 LLM 推理机制与 Prompt 工程，有大模型应用落地经验；了解 SFT、RLHF/DPO 等训练范式者加分。 3. 熟练掌握 PyTorch，熟悉 HuggingFace Transformers、vLLM 等主流推理与工具库，具备高效的模型开发与调试能力。 4. 具备扎实的工程能力，能独立完成从算法验证到系统上线的全流程工作，具备良好的问题排查与解决能力…
工作职责
核心负责多Agent智能回答系统的算法设计与业务落地，推动技术转化为产品核心竞争力 1. 负责多 Agent 协作回答系统的算法设计与落地，围绕 AI 搜索场景，构建高效的多 Agent 任务规划、推理决策与答案生成方案。 2. 研究并落地 Agent 核心能力，包括 Tool Use、多步推理（ReAct / CoT）、动态任务拆解与上下文管理，设计能自主完成复杂搜索回答任务的 Agent 系统。 3. 跟进 Agent 与大模型领域前沿技术动态，快速验证新方法在业务场景中的适用性，推动算法持续迭代升级。 4. 搭建面向多 Agent 回答场景的模型与算法评估体系，涵盖主流评测基准与业务定制化指标，保障效果可量化、可追溯。 5. 主导从算法实验、原型验证到系统上线的全链路交付，结合业务实际场景，解决搜索回答中的核心痛点。
负责微博AI搜索多Agent协作系统的架构设计与核心研发 1. 负责设计与实现面向 AI 搜索场景的多 Agent 协作框架，涵盖任务拆解、Agent 调度编排、状态管理与结果聚合等核心模块。 2. 构建高效的 Agent 任务分发与调度系统，支持多 Agent 并行执行、动态路由、优先级管理与异常容错，保障系统在高并发场景下的稳定性与吞吐效率。 3. 设计并优化数据链路与 Prompt 工程体系，建立可迭代的提示词管理机制，持续提升大模型在搜索场景下的响应质量与效率。 4. 建设风险控制与可观测性体系，包括内容安全管控、Agent 行为审计、异常监控与链路追踪，保障线上系统可靠运行。
随着AI大模型参数规模迈向万亿级，算力集群已从“千卡”向“万卡”演进，网络通信成为制约大模型训练效率的核心瓶颈。本团队正承担面向下一代大模型的超低延迟、高吞吐、高稳定性的RDMA网络全栈解决方案的重点项目。 我们需要具有深厚理论功底和极强工程落地能力的博士人才，共同攻克通信库算法、RDMA网卡架构及智能传输层协议等“无人区”难题，定义未来智算网络的行业标准。 您将作为核心骨干，深度参与以下一个或多个方向的研究与落地： 1、通信库算法设计与优化： · 针对大模型并行训练场景（Data/Tensor/Pipeline Parallelism），设计高效的集合通信原语（AllReduce, AllGather等）； · 研究计算与通信重叠（Overlap）机制，开发自适应调度算法，最大化GPU/NPU利用率； 2、RDMA网络架构研发： · 参与新一代高性能RDMA网卡（RNIC）的架构定义与逻辑设计，优化数据包处理流水线； 3、智能传输层协议攻关（核心重点）： · 拥塞控制：研发基于实时遥测数据的新型拥塞控制算法，解决大模型流量突发导致的Incast问题和队头阻塞； · 多路径传输：设计基于流/包粒度的多路径负载均衡算法，提升复杂拓扑下的带宽利用率； · 可靠性机制：研究RDMA网络下的快速重传、前向纠错（FEC）及故障自愈机制。
1. 负责端到端模型数据需求管理、交付排期与全流程质量管控； 2. 推动构建数据挖掘规范、数据质检机制，保障数据精度与交付效率，推动数据生产流程持续优化； 3. 组织团队周会/评审，跟踪项目开发进度、问题闭环和风险管理； 4. 跨团队协同算法、工程、标注和数据闭环等团队，保障数据与训练的项目落地。
1、主导Feedforward-3DGS核心算法研发，推动实时渲染与动态场景重建技术落地，支撑端到端模型训练与闭环仿真； 2、探索端到端大模型中的3DGS监督，以自监督方式对BEV、OCC等特征进行优化，提升模型泛化性； 3、设计高效训练管线，实现算法从原型到产品的全链路部署，优化大模型在显卡硬件训练与推理效率；