顺丰大模型算法工程师（智能agent研发）

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. 基于VLM/Agent等 AI 能力，融合图文/视频笔记的文本、图像、视频、音频等多维度信号，覆盖笔记、评论、账号、交易、直播等多体裁场景的国际化内容风险识别与处置，持续提升主动召回能力，实现风险、体验、效率的协同优化。 2. 建立并持续演进 Rednote 的内容特征体系与内容分级系统，输出结果应用于治理中的处置判罚、以及搜推流控等核心链路，为 Rednote 全球生态的内容质量与安全构建长期竞争壁垒。 3. 负责面向 Rednote 治理、内容理解、编辑等核心场景的 Agent 系统端到端研发，涵盖 ReAct / Tool Use / Multi-Agent 架构、意图理解与任务规划；深度参与 Agent 效果优化——从工具设计、上下文管理、编排策略到 Agentic RL 的 Post-Training，产出效果领先的 产品。 4. 深度参与LLM/VLM 的预训练、SFT、RL 等全链路训练，参与构建多模态内容理解、编辑、生成等 AI 基础能力，推动 AI 从技术到业务价值的闭环落地。 5. 持续追踪AI Agent领域的最新进展，引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在rednote业务中的应用，保持团队的技术领先性；，沉淀国际顶会论文（CVPR/NeurIPS/ICLR/ACL 等）

在这里，你将接触国内绝对第一梯队广告业务的核心算法和数据，和清北背景的Mentor一起用大模型提升广告投放效果，收获"用算法驱动业务大幅增长”的快感。 岗位课题：基于大模型和Agent技术的广告投放优化算法研究与应用 课题项目背景： 广告主每天会花大量人力做广告投放相关的决策，包括不限于设置和调整广告投放计划、识别异常投放情况、咨询平台政策等。以上决策不仅费时费力，投放效果还受限于广告主经验而参差不齐。在此背景下，我们用LLM做了广告投放Copilot和Agent，来辅助or代理 广告主做决策。 岗位描述： 1.生成式算法重构营销算法 A 如同LLM重构了NLP各类算法，参与生成式算法全面革新营销领域的各类算法，如AI选词、AI诊断、AI出价等。 B 研究基于生成式模型如何构建上层营销Agent，能够给海量商家提供拟人化的解决方案。 2.面向未来的Agentic系统构建 A 通过高效分布式计算、多轮环境交互的RL训练框架、灵活的多任务联合训练等的支持 ，构建面向工业级海量商家的Agentic架构。 B 一起探索语言模型和强化学习的算法边界，探索AI技术驱动的创新应用。 3.在营销领域，实战探索领域AGI的可行路径 A 直面海量商家、高预算需求，在营销领域真正落地营销Agent（AI小万）。 B 参与双11、618等顶级电商场景的算法优化，见证营销领域AGI的真实落地过程，经历通过客户体验提升带来商业增长的完整路径。 成长资源： 1.团队在ToB AI算法领域上深厚技术积淀、完善的工程配套和海量广告业务数据，帮助同学在算法研发上能尽情发挥才华； 2.优秀资深师兄和TL的专属coaching，为同学的成长保驾护航；

岗位职责 1. 物流场景下的模型微调与实施 * 在指导下，负责对预训练大模型进行指令微调（SFT），使其适应物流领域的专业术语、业务流程（如订单理解、仓内作业指令生成）。 * 应用高效微调技术（如LoRA），参与模型在具体业务场景（如智能客服问答、运单信息抽取）上的效果优化与迭代。 * 协助构建和清洗高质量的领域微调数据集，并参与设计评估体系，量化模型在业务指标上的提升。 2. 智能体（Agent）功能开发与集成 * 参与基于大模型的物流智能体（Agent） 的功能模块开发，重点实现可靠的工具调用（Tool Calling） 能力。 * 负责将Agent与内部物流系统（如WMS、TMS）的API、数据库进行集成，完成查询、状态更新等具体操作。 * 开发并优化RAG（检索增强生成） 系统，用于物流知识库问答、操作规范查询等任务，提升信息准确性。 3. 模型工程化与性能支持 * 参与大模型的训练、评估及部署支持工作，能够使用并行训练框架 进行高效的模型调试与实验。 * 负责对线上模型进行基础性能监控、日志分析及效果回归测试，协助定位问题。 * 编写高质量、可维护的代码，并撰写清晰的技术文档。 4. 业务协同与理解 * 与产品经理及业务方紧密协作，深入理解所支持的物流场景（如路径规划、异常诊断）的业务逻辑与痛点。 * 能够将业务需求转化为明确的技术任务，并在实践中持续学习领域知识。