蚂蚁金服研究型实习生-智能体可信互连体系的研究
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相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作
工作职责
研究领域： 网络与信息安全 项目简介： 随着智能体服务的兴起，智能体互连网络存在潜在安全风险是现有互联网安全体系难以解决的问题，主要在于 1. 用户感知和控制力减弱：主动服务被滥用风险， 服务推荐与决策偏差、隐私泄露与数据滥用风险 2. 数据共享和互操作性增加：跨智能体的信任和身份验证风险、Agent间通信安全、数据泄漏与隐私扩散风险倍增、跨域权限管理和越权访问风险 3. 互连拓扑复杂性增加、攻击面扩大：用户意图理解与Agent协作秩序，Agent攻击扩散风险加剧、服务依赖带来的连锁风险、信任边界模糊和信任链条脆弱 针对这些新风险，本项目希望对智能体可信互连网络展开研究，解决连接可信、交互可信、意图可信、数据可信的问题。
研究领域： 人工智能 项目简介： 在医疗领域，基于大模型的医学诊疗规划和决策一直面临着医学推理能力弱（医学事实性不足）、依据不足（可信性不足）、精准个性化不够（指导性不足，存在过度医疗的伦理风险）等问题。我们旨在结合先进的大推理模型、海量的医疗数据和专业医学专家的知识，依次完成以下研究和落地： 1. 研究大模型推理理论，建设一批高水平专家 AI 诊断推理智能体。 2. 研究复杂多智能体交互协同框架。 3. 落地面向下一代的自我进化的精准诊疗规划和可信医疗决策系统。
【项目介绍】 在当前AI发展的浪潮中，垂直领域（如新闻媒体）仍有⼤量基础性、交叉性的核⼼问题亟待探索和定 义。我们旨在通过深度研究，为媒体⾏业在AI时代构筑独特的认知和能⼒护城河，并希望借此吸引对 解决真正难题充满热情的顶尖⼈才。 为此，我们携⼿顶尖⾼校，推出SOHU Leaf Program/⻘叶研习项⽬，诚邀对挑战复杂问题充满热情的 你，与我们共同探索AI与媒体的⽆限可能。 【研究方向】 我们正在寻找对以下⼀个或多个⽅向有浓厚兴趣和研究潜⼒的伙伴： 1. AI与新闻传播交叉研究: 与内容、产品团队紧密合作，探索AI技术如何深度赋能或重塑内容⽣产、 分发与交互，研究其中的关键技术挑战与社会影响； 2. 复杂任务与策略研究: 探索和研究前沿AI技术（如LLM、Agents、RL、多模态理解与⽣成等）在处 理复杂媒体内容任务（如深度内容理解、可信信息⽣成）中的应⽤与挑战； 3. 领域能⼒评测与基准: 针对新闻媒体领域的独特性，设计和开发新的评估⽅法和基准，以更准确地 衡量和理解AI在信息处理、内容创作、价值对⻬等⽅⾯的真实能⼒；
研究领域： 深度学习 项目简介： 随着基础大模型能力的提升，对模型短板数据/知识型数据的需求越来越大；通过正向挖掘很难补充该分布数据； 以下两个关键点需要投入人力研究： 1、通过智能体工作流来融合多模态大模型的协同与规划能力；提升整体数据链路的任务覆盖广度与深度； 2、通过数据主动合成探索数据闭环实现路径；提升交付自动化程度与质量；
随着大模型能力的增强，Agent在各个领域取得了显著进步，智能体正逐步实现复杂任务的自动化。然而，在面对多步骤决策和长Inference链路任务时，智能体常常显得力不从心，难以优化全局规划与执行效率。提升智能体的规划能力成为智能体研究中的重要方向。 智能体规划能力增强技术旨在通过优化Planning的路径选择、决策树构建和计划执行，来提升智能体在复杂环境中完成任务的能力。该技术结合强化学习（Reinforcement Learning）和启发式搜索（Heuristic Search）等方法，力求实现智能体的自主决策与学习，从而在动态和不确定环境中表现出更加智能和高效的行为。 在智能体规划能力增强与研究领域，目前面临的主要挑战包括：复杂环境中的多步骤任务规划、多模态信息的综合处理、实时动态调整和优化策略等。为解决这些问题，本Project将深入探索智能体的规划算法与能力增强技术，提出具有更高效率和鲁棒性的解决方案。