阿里巴巴AI Agent算法工程师（大模型方向）
任职要求
1、计算机/人工智能/数学等相关专业硕士及以上学历（博士及顶会论文发表者优先）； 2、对大模型前沿技术充满热情，具备攻克复杂技术难题的能力，能够快速实现Paper→Code→Solution的技术转化； 3、精通Python及PyTorch/TensorFlow等框架，具备Qwen、Llama、Deeps…
工作职责
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。
1.负责大语言模型在游戏玩法逻辑的代码生成和Agent方向的应用落地； 2.参与Agent框架和Agent底座的优化，包括但不限于推理规划、记忆管理、工具调用等能力的提升； 3.调研业界前沿算法，追踪最前沿的技术动态，并应用在相关的项目中； 4.参与产品讨论，基于技术对产品提出改进建议。
Seed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。 1、下一代搜索问答Agent构建 1）设计基于LLM的端到端智能问答系统，覆盖意图理解、查询改写、检索增强、多源信息融合与高质量答案生成； 2）探索Deep Research能力，解决复杂问题、多轮对话与跨文档推理场景； 2、模型能力演进与前沿探索 1）推动Reasoning能力落地（CoT/多步推理/自我反思与验证），提升复杂问题求解能力； 2）探索RL Scaling、多目标优化等前沿方向，持续提升模型智能上限； 3）构建Agentic能力，打造具备自主决策能力的智能系统； 3、高价值场景落地如电商/本地生活等 1）打造从“信息获取→理解→决策”的一体化体验（如商品对比、导购推荐、生活服务决策）； 2）融合结构化数据与实时信息，实现多模态、多源知识协同推理； 4、评测体系与工程闭环建设 1）构建覆盖真实性、时效性、权威性、相关性与用户体验的评测体系； 2）打通数据-模型-系统优化闭环，持续提升效果与工程效率。
1、设计与实现主动式创作 Agent 核心算法，服务于大规模、高质量、低运行成本的商业化产品； 2、构建可控 Agent 架构：包括Agent Runtime、Tool/Memory/Context 抽象、多 Agent 协作模式等； 3、与产品/工程高频密切合作，结合产品功能、模型能力边界与架构约束，实现 Agent 产品的整体架构方案设计； 4、持续探索、研究并引入新的框架和 Agent 技术范式。
● 参与高德 AI Agent 在通识搜索场景下的 RAG 系统建设与效果优化，围绕知识组织与预处理、检索策略框架、Context 注入质量控制、检索词改写、检索结果 rerank 等核心环节开展研发。 ● 建设以 LLM 推理为中心 的评估体系，从 Information Sufficiency、Reasoning Supportability、Noise Resistance、Output Faithfulness 等维度分析并优化通识搜索效果。 ● 结合离线评测与实验分析，定位检索、推理与生成链路中的关键问题，推动算法迭代和效果持续提升。