理想汽车【基座模型】-智能体服务技术专家

1. 面向大模型、具身智能、AI眼镜等场景，建设AI安全的测评与防御平台，科学评估AI安全水位，并为高并发业务大模型服务场景提供低打扰防御能力。 2. 深入了解大模型在业务应用中的安全问题，对智能体服务的的工具、知识、大模型应用提供系统性安全解决方案，解决AI与硬件结合的应用安全问题，在人与AI交互的过程中守护AI应用安全底线。 3. 通过语料去毒、再训练、强化学习等手段持续将大模型应用的安全政策与基座模型对齐。 4.不断探索技术新领域，推动技术能力的沉淀和技术氛围的建设。

美团基础研发平台，作为公司的核心技术平台，致力于“零售+科技”的战略发展。我们专注于智能体构建、大模型推理、多模态训练等核心技术，并通过FRIDAY模型工厂与应用工厂，为业务提供稳定、安全、易扩展与技术先进的平台技术和技术能力。我们聚焦于大模型和智能体的前沿算法研究和应用落地，致力于将先进的人工智能技术转化为实际的业务价值。 我们真诚邀请你加入我们，共同推动技术发展，创造行业价值。 1. 负责大模型智能体的关键技术能力沉淀，包括但不限于深度反思、知识和指令遵循、推理规划等。 2. 负责大模型基座能力增强，提升业务场景所需的基座能力。 3. 负责多模态大模型的应用实践，特别是语音文本融合的多模态大模型的应用。 4. 研发和优化智能体的function call、多智能体间协调，使其能够高效、准确地调用内部和外部工具，扩展智能体的应用边界。 5. 深入理解本地生活服务业务场景，抽象业务所需的大模型基础能力深度优化，推动相关技术在实际业务中的应用。 6. 紧密跟踪业界前沿技术，结合业务需求进行预研和技术储备，保持团队的技术竞争力。

基础算法研究 一、推理思考 1.开发链式思考、思维树等推理增强技术，优化模型对复杂业务逻辑推理、策略规划等任务的深度理解。 2.探索通过大规模强化学习持续提升模型推理能力。 3. 构建业务逻辑推理评测基准，推动模型思维链的可解释性研究。 二、多模态端到端 1.研发语音-文本跨模态对齐与联合表示学习算法，解决语义鸿沟问题，提升模型对语音指令理解、语音到文本生成的鲁棒性。 2.探索语音交互场景下的多模态增强技术（如语音情感分析、端到端语音对话生成），推动模型在智能客服、语音助手的应用落地。 三、生活服务领域增强 1.大模型基座知识能力增强，打造生活服务领域基座，赋能美团各类大模型应用场景； 2.探索预训练增强阶段的大规模高质量数据自动合成、Scaling Law、长链条复杂推理反思能力增强； 3.建设生活服务chat模型与智能体，通过强化学习等方式增强模型推理反思、复杂指令遵循、高情商交互等能力。 应用算法研究 一、深度推理、规划与决策能力强化 1.优化大模型在逻辑推理、多步规划、复杂决策、多轮多步工具调用等任务上的表现，探索如RL scaling、Test-time scaling等前沿技术。 2.构建能够处理模糊与不完全信息、进行自主假设与验证的推理框架。赋能大模型实现精准的工具调用与智能体协同。 二、高度拟人化交互与专业沟通能力构建 1.赋予模型深度理解与分析专业领域问题的能力，包括隐性需求挖掘和复杂语境下的语义理解。 2.探索多轮对话中的上下文记忆、情绪感知、共情表达与高情商交互技巧，实现稳定人设、知识遵循与高度自然的对话风格。 3.研究模型主动感知用户全面信息、进行预判性服务与信息推送的策略，而非被动响应，打造能真正吸引用户持续对话的自主交互。 三、多智能体协作研发范式与前沿技术应用 1.设计和研究多智能体间的动态协调、知识/记忆共享与冲突解决机制，实现“1+1>>2”的协同效应。 2.推动面向智能体的大模型研发新范式，探索大模型智能体在环境感知、记忆与知识库管理、复杂指令遵循等基础能力的统一建模与提升路径。 四、BA Agent 核心能力构建 1.定义并主导包括自助取数、多维分析、归因洞察、智能可视化等关键模块的技术路径。 2.研究和改进现有的强化学习算法，实现端到端Agent性能优化，提升Agent鲁棒性与泛化能力。 3.构建面向领域任务的DeepResearch能力，提升Agent在多步骤信息检索、工具调用、推理规划等任务中的表现。

基础算法研究 一、推理思考 1.开发链式思考、思维树等推理增强技术，优化模型对复杂业务逻辑推理、策略规划等任务的深度理解。 2.探索通过大规模强化学习持续提升模型推理能力。 3. 构建业务逻辑推理评测基准，推动模型思维链的可解释性研究。 二、多模态端到端 1.研发语音-文本跨模态对齐与联合表示学习算法，解决语义鸿沟问题，提升模型对语音指令理解、语音到文本生成的鲁棒性。 2.探索语音交互场景下的多模态增强技术（如语音情感分析、端到端语音对话生成），推动模型在智能客服、语音助手的应用落地。 三、生活服务领域增强 1.大模型基座知识能力增强，打造生活服务领域基座，赋能美团各类大模型应用场景； 2.探索预训练增强阶段的大规模高质量数据自动合成、Scaling Law、长链条复杂推理反思能力增强； 3.建设生活服务chat模型与智能体，通过强化学习等方式增强模型推理反思、复杂指令遵循、高情商交互等能力。 应用算法研究 一、深度推理、规划与决策能力强化 1.优化大模型在逻辑推理、多步规划、复杂决策、多轮多步工具调用等任务上的表现，探索如RL scaling、Test-time scaling等前沿技术。 2.构建能够处理模糊与不完全信息、进行自主假设与验证的推理框架。赋能大模型实现精准的工具调用与智能体协同。 二、高度拟人化交互与专业沟通能力构建 1.赋予模型深度理解与分析专业领域问题的能力，包括隐性需求挖掘和复杂语境下的语义理解。 2.探索多轮对话中的上下文记忆、情绪感知、共情表达与高情商交互技巧，实现稳定人设、知识遵循与高度自然的对话风格。 3.研究模型主动感知用户全面信息、进行预判性服务与信息推送的策略，而非被动响应，打造能真正吸引用户持续对话的自主交互。 三、多智能体协作研发范式与前沿技术应用 1.设计和研究多智能体间的动态协调、知识/记忆共享与冲突解决机制，实现“1+1>>2”的协同效应。 2.推动面向智能体的大模型研发新范式，探索大模型智能体在环境感知、记忆与知识库管理、复杂指令遵循等基础能力的统一建模与提升路径。 四、基于强化学习的智能体优化方法研究 1.研究和改进现有的强化学习算法，实现端到端Agent性能优化，提升Agent鲁棒性与泛化能力。 2.构建面向领域任务的DeepResearch能力，提升Agent在多步骤信息检索、工具调用、推理规划等任务中的表现。