理想汽车智能体强化算法实习生
任职要求
1. 人工智能、机器学习、计算机科学、应用数学相关专业硕士及以上学历； 2. 在强化方向有深入研究： -强化方向熟悉 GRPO/GSPO/GDPO/Dr.GRPO等不同算法 -熟悉基座模型Qwen/GLM系列等，了解Dense/MoE架构在强化训练中的异同 -熟悉智能体架…
工作职责
面向智能化软件工程、研发智能体等高价值业务场景，预研和落地 AI4SE 核心技术，岗位职责包括但不限于： 1. 聚焦强化和智能体强化相关技术研究以及工程化落地，包括模型设计、智能体建模与训练、训练效率效果优化等； 2. 跟踪最新的 AI 技术发展趋势和行业动态，积极探索并引入新的 AI 工具和技术，为团队的技术创新提供思路与方案，持续提升团队的技术竞争力； 3. 跟踪学术界和工业界最新进展，快速应用到业务中，提出创新技术，发表高水平论文。
1. 基座增强：探索大模型垂直领域知识高效增强方法，包括数据策略、训练策略以及scaling law友好的训练方法，打造适配实际应用所需的基座能力； 2. 多模态端到端：实现语音与文本模态的深度融合与统一建模，打造高效、轻量的端到端多模态系统，从而有助于更全面、多维度地理解语音与文本，提供更强的智能以及更智能的交互模式； 3. 深度推理：突破大模型在复杂逻辑推理、因果推断、多步决策、沟通技巧等大模型基础通用能力，提升模型解决开放式问题的能力； 4. 结合大模型，研发对话交互场景的大模型Agent，支持智能客服、销售、数据分析、C端助理等项目，通过预训练、微调、强化学习等全链路的技术实践，实现类人的理解和执行能力，提升美团服务能力和效率； 5. 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。
1.作为研究者，探索有效的 Agentic Workflow 和 Agentic Memory 设计来解决代码领域的问题； 2.主要关注比SFT泛化效果更好的强化学习；能结合实际用户需求、产生的用户数据、agent的实现细节，调整训练语料和训练目标； 3.能和agent开发高效沟通，设计memory存取逻辑，并且通过模型训练让模型适配自己设计的agent； 4.作为工程师，考虑到 LLM inference 对推理算力的高消耗，设计出合理的前后端交互，前端架构，后端架构，在有限的推理算力下，做出完整的 Agentic Workflow 解决方案。最好是探索一套通用可扩展的 Agentic Workflow 解决方案； 5.备注：base地可选深圳/北京/上海。
高级算法工程师（智能体强化学习方向） 岗位职责 深度参与 MindGPT 智能体后训练全流程，包括但不限于 MidTrain（中期训练）、SFT（监督微调）、推理侧 RL（Reasoning RL）及 Agent RL 的算法设计与大规模训练实现。 负责 DeepResearch Agent（深度研究助手）与 Code Agent（自主编程助手）等核心能力的迭代，提升模型在长上下文、多步骤推理及工具调用（Tool-use）上的成功率。
1.负责构建智能仓储、物流、制造业垂直领域的数据驱动仿真引擎（World Model）：利用海量IoT数据、AGV运行轨迹数据、边缘PDA交互数据，训练高保真的时序预测模型。 2.开展基于大模型及代理式AI驱动提效的强化学习：搭建分布式RL框架，驱动全局调度Agent与边缘端交互Agent进行百万次并发训练与策略寻优。 3.解决人机协同场景的建模难题：量化并模拟一线作业员（通过PDA）的随机性与干预，纳入智能体训练闭环。 4.主导Sim-to-Real（虚实迁移）架构设计，确保虚拟策略安全落地至真实仓储与产线系统中。