蚂蚁金服研究型实习生-深度研究智能体
任职要求
研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的…
工作职责
研究领域： 人工智能 项目简介： 通用 AI Agent以强大的自主任务执行能力和潜在的广泛应用场景引发了科技界的广泛关注。安全场景任务类型多、研判分析要求高，需要更强更有自主规划决策能力的Agent；项目将重点研究Multi-Agents、Plan、Memory等方向，包括但不限于： 1. 多代理协同架构：采用“规划-执行-验证”的多代理协同架构，包括规划代理、执行代理和验证代理，确保任务的高效完成； 2. 自主规划：理解任务总目标，自主分解任务、制定行动计划，并在适当时机复核并更新计划； 3. 深度记忆功能：高效记录历史操作路径，基于长链路的记忆，优化后续执行计划和决策。
研究领域： 人工智能 项目简介： AI智能体以强大的自主规划执行能力和广阔的应用前景引发了科技界的密切关注和巨大投入。本项目重点关注智能体的能力突破，在以下领域深耕创新、探索前沿，打造Agent Native Model和AI Native的智能体产品。 1. UI Agent：AI自主完成复杂的Phone/Computer/Browser Use任务 2. 深度研究：AI自主完成通用的深度研究型的任务，动态规划、灵活调用多种工具或智能体 3. 安全深度分析：深入理解安全风控领域的任务要求，掌握领域工具，提供专业深度的分析、提前发现风险/治理漏洞
【课题说明】 Agentic Search是以大模型为核心，具备自主感知、推理与行动能力的搜索新范式。它通过理解用户复杂意图，动态规划搜索路径，主动调用多种工具和数据源，持续优化结果推荐与交互体验。本课题旨在研究和构建面向美团App本地生活服务的Agentic Search系统，探索其在多轮对话、复杂任务分解、实时信息整合等场景下的关键技术与应用价值，推动本地生活智能搜索技术的创新升级。 【建议研究方向】 1.意图理解与任务分解：探索大模型在复杂用户需求下的多意图识别、任务分解、子任务规划能力，提升系统对复合型检索场景的适应性和响应能力。 2.多轮工具调用技术研究：赋予LLM长链路的多轮工具调用能力，打造基于强化学习等前沿技术的LLM后训练方案，提升多轮调用时的精确性及用户的实际交互体验。 3.增量学习训练技术探索：针对本地生活场景中数据不断更新的特点，运用增量学习技术，使 AI 搜索模型能够快速适应新数据。 搜索结果可解释性提升：探索基于大模型内容深度理解与推理的可解释理由生成，增强用户对搜索结果的信任感和透明度。
1.研发融合结构化查询与向量检索的混合执行引擎； 2.设计基于深度学习的索引参数自优化框架； 3.开发分布式环境下的动态负载均衡算法； 4.构建多维度查询性能评估指标体系。
业务丰富，技术领先 高德打车算法团队深度赋能打车业务全链路，涵盖 用户增长、风控、服务管控、路线与上下车点推荐、ETA 预估、智能客服 等核心场景。多样化的业务挑战为算法创新提供了广阔的发挥空间，团队已在 AI 顶级会议发表成果。 精英阵容，国际视野 团队成员来自泰晤士世界大学排名 Top 10 的高校，以及美国常青藤、清华、北大等顶尖院校，兼具国际化背景与一流技术视野。 持续成长，共享共进 团队每周固定进行技术分享，氛围开放、互助友好；除了解答算法与工程难题，资深同事还会分享项目经验，并传授业务理解与问题解决的方法论，助你快速成长。 我们正在寻找相关专业的优秀实习生，一同探索前沿大模型技术在共享出行领域的深度应用，共同攻克业界难题，优化产品体验。 在这里，你将运用大模型、强化学习、深度学习等先进技术处理海量数据，推动用户体验优化与平台效率提升，主要包括： 1. 行程问题智能处理：构建并优化模型，识别司乘纠纷、费用异常、服务质量波动、安全风险、客诉等多类行程问题，并实现自动化处理方案。 2. 前沿技术落地：将多模态大模型及相关技术（PE、SFT、DPO、RAG、AI Agent、Agentic RL、AIGC 等）应用于业务场景，显著提升算法效果与业务指标。 3. 问题建模与解决：将业务场景中的复杂问题抽象为数据建模或科学研究课题，提出可行解决方案并高质量落地。 在这里，你的算法将直接服务全国数亿级用户，带来真实而深远的影响；你能接触到前沿大模型、多模态、强化学习等核心技术，并与顶尖同事共创，在开放包容的创新氛围下，发挥AI创造力。