蔚来蔚来AGI超星计划-构建基于蔚来能源产品用户价值创造的自适应充换电规划算法模型的研究
任职要求
- 硕士及以上在读； - 专业能力（一项即可）： - 人工智能和机器学习：精通并对强化学习，模仿学习，注意力机制，时许建模，图网络的理论和算法经验； - 用户行为分析和数据科学：有从海量高维稀疏的交互数据中构建用户画像，行为…
工作职责
课题介绍 课题希望研发一套以用户行为深度建模为核心的自适应价值规划算法。通过先进的数据表征与注意力机制，算法将深度挖掘用户行为规律与价值诉求，构建能够量化、平衡多维度运营目标的智能决策模型。该算法将学习在动态环境中自主进行长期、全局的价值寻优，推动运营规划从执行预设规则向理解并驱动用户价值的根本性转变，为业务打造具备持续进化能力的决策引擎。 预期产出 - 核心算法模型：交付一套基于用户行为深度建模的自适应规划算法，包括行为表征、价值网络模型及模型评估与优化工具链，形成可迭代、可解释的解决方案 - 业务价值验证：算法驱动下实现用户侧核心体验指标（如需求满足率）提升3%以上，单位综合运营成本降低1-2% - 规模化应用和资产沉淀：提供算法规模化推演与全量效益评估，预计规模化应用后可实现年化运营成本节省2000-4000万元。同步沉淀高保真仿真沙盘与模型迭代框架，形成核心智能决策资产
1.构建大规模数据回流体系：设计并实现高效的数据采集、清洗、标注 pipeline，从线上真实交互中挖掘高质量训练数据，支撑多任务、多语言的模型训练需求； 2.建立自动化评测体系：设计面向AI Coding场景的多维度评测框架，构建自动化评测流水线与Benchmark，实现对模型及产品端到端能力的全面、客观评估； 3.借助高质量数据推动模型能力持续升级：基于数据体系与合作的模型团队共同开展大模型的持续训练与领域适配，提升模型在实际场景中的性能表现； 4.推动数据驱动的模型迭代：建立数据回流-训练-评测-优化的完整闭环，通过A/B测试、在线评估等手段持续优化模型能力，形成正向迭代机制； 5.发表高水平学术论文：将研究成果总结提炼，在NeurIPS、ICML、ICLR、ACL等顶级会议发表高水平论文，提升团队在AI Coding领域的学术影响力。
1、负责Kubernetes容器支撑异构工作负载，提供高效、动态优化的资源调度策略，支撑数以亿计AI智能体的基础设施底座； 2、主导设计和实现由AI模型驱动的容器集群系统，利用Agentic架构现实世界中的分布式系统重构和进化。
1.负责工程知识引擎的设计与构建，研究多源异构知识（代码、文档、架构等）的统一建模与智能检索技术； 2.研究智能体自主记忆系统，设计长短期记忆协同机制，实现用户偏好与项目规范的自动学习； 3.探索自优化智能体算法，构建基于执行反馈的自我评估与策略优化闭环； 4.联合通义实验室进行模型训练，将工程知识与记忆能力注入大模型； 5.跟踪Agent领域前沿进展，产出论文、技术报告或开源项目。
1、构建既能实现极致性能（百毫秒唤醒）又能做到极致成本效益（资源利用率提升XX%）的 Agent 基础设施底座； 2、主导设计和实现融合了Agent Sandbox、容器与虚拟化的统一调度系统。