理想汽车【智能空间】智能体算法专家
任职要求
1.精通深度学习、强化学习（RLHF/PPO/DQN等）、自然语言处理（NLP）及多模态学习，熟悉大模型（GPT、LLaMA、Claude等）微调与优化技术； 2.深入理解智能体架构设计（如ReAct、Chain-of-Thought、Self-Refine等），具备智能体行为规划、记忆管理、工具调用等模块开发经验； 3.熟悉主流训练框架（PyTorch/TensorFlow/JAX），具备分布式训练、模型压缩或推理加速经验； 4. 工程能力：熟悉智能体评估体系设计（自动评估+人工评估），能构建合理的Benchmark与测试工具链； 加分项： 5.在顶级会议（NeurIPS/ICML/ICLR/AAAI等）发表过Agent、RL或LLM相关论文。 6.硕士及以上学历，计算机科学、人工智能、数学等相关专业，5年以上AI算法研发经验，2年以上大模型或智能体方向深度实践。极强的技术洞察力与创新能力，能独立规划技术路线并推动团队突破瓶颈。优秀的跨团队协作能力，能将复杂技术问题转化为可执行的落地方案。
工作职责
1.主导大模型驱动的智能体（Agent）算法研发，包括但不限于：自主决策、环境交互、多模态感知、长期记忆与持续学习等核心方向； 2.探索大模型与强化学习（RL）、规划推理（Planning）、知识图谱等技术的深度融合，提升智能体的任务泛化性与可解释性； 3.推动智能体技术在理想汽车相关场景的落地应用，解决实际业务问题。
主要工作方向包括： 1、推进大模型数据建设、指令微调、强化对齐等模型优化方面的工作，提升大模型能力和车机场景用户体验。 2、探索复杂指令、长上下文、多轮对话下，大模型更为复杂的理解、推理和生成能力； 3、探索和落地适合车机场景智能体应用、以代码为中心的大模型智能体能力建设，提升车机个性化体验与复杂任务解决能力。
我们正在寻找在具身智能VLA（视觉-语言-动作）、空间计算（重建、SLAM等）及强化学习领域有深厚积累的算法同学，加入高德地图视觉技术中心。你将参与构建下一代地图中的感知、理解与决策系统，推动具身导航、AR/VR、场景建模等前沿技术的研发与落地。 如果你热衷于用AI改变人们出行方式，渴望在真实世界大规模数据上验证算法能力，欢迎加入我们！ 岗位职责： ● 负责视觉语言动作（VLA）的具身智能模型和视觉语言模型（VLM）的研发，提升具身agent的空间理解和行动决策能力； ● 推进空间计算相关技术（如SLAM、三维重建、点云处理、姿态估计等）在下一代地图、虚拟现实等场景的应用； ● 探索强化学习在多模态大模型的后训练中的应用，提升具身/空间智能的能力天花板； ● 跟踪国际前沿技术发展，持续推动技术创新，并落实到实际应用中； ● 与工程团队紧密协作，完成从算法研发到系统部署的全流程闭环。
我们正在寻找在具身智能VLA（视觉-语言-动作）、空间计算（重建、SLAM等）及强化学习领域有深厚积累的算法同学，加入高德地图视觉技术中心。你将参与构建下一代地图中的感知、理解与决策系统，推动具身导航、AR/VR、场景建模等前沿技术的研发与落地。 如果你热衷于用AI改变人们出行方式，渴望在真实世界大规模数据上验证算法能力，欢迎加入我们！ 岗位职责： ● 负责视觉语言动作（VLA）的具身智能模型和视觉语言模型（VLM）的研发，提升具身agent的空间理解和行动决策能力； ● 推进空间计算相关技术（如SLAM、三维重建、点云处理、姿态估计等）在下一代地图、虚拟现实等场景的应用； ● 探索强化学习在多模态大模型的后训练中的应用，提升具身/空间智能的能力天花板； ● 跟踪国际前沿技术发展，持续推动技术创新，并落实到实际应用中； ● 与工程团队紧密协作，完成从算法研发到系统部署的全流程闭环。
团队介绍： 通义实验室-智能计算实验室-智能系统研究组，致力于机器学习、机制设计、数据处理与数据库等学科技术的研究和落地，有完善的产学研结构，算法研究与业务创新并重。团队成员皆毕业于国内外知名高校。团队过去几年在机器学习、数据库等领域顶级会议发表论文近百篇，并曾获SIGKDD 2022最佳论文奖。当前团队致力于大语言模型领域的高质量数据生产与行业应用创新，诚邀各路英才加盟。 职位描述： 团队主要聚焦于大语言模型（LLM）技术，我们期待你的工作覆盖一下至少一个技术方向： 1、LLM预训练数据的生产，包括高效数据清洗、高质量问答或者COT数据的生成等新兴方向。 2、RLHF微调技术：根据设定的alignment调优目标，探索并应用RLHF类算法。 3、Multi-agents协作系统：以LLM agents应用后链路处理工具，打造多智能系统以及相关应用。 4、LLM工程链路及优化：Megatron框架、数据处理框架、推理部署等。 5、LLM行业应用：结合行业属性，收集数据并设计算法，深度探索LLM在垂类下的优化空间。 6、LLM中的机器学习理论：针对LLM全链路的各类算法各类算子以及分布式框架，探索相应的优化理论。 工作内容： 1、 前沿技术研究：在以上技术方向上，寻找有价值的科研问题，在算法、系统、理论等方向开展前沿研究工作，发表高质量有影响力的论文及专利，并对业务产生积极作用。 2、 业务创新与落地：结合行业大模型领域的核心客户需求，设计并完善行业大模型相关技术框架，并持续优化迭代，为行业线提供有创新性的各类算法解决方案。