安克创新助理路径规划算法工程师（扫地机/割草机）

1. 负责扫地机器人运动控制算法的研究、开发与优化； 2. 参与扫地机器人运动控制系统的设计与实现，包括沿边沿墙、自动回充、速度控制、受困脱困、稳定性调节等； 3. 负责扫地机器人基干新型传感器(3D ToF、线激光、光流等)的智能避障、目标检测与识别等算法研发与测试； 4. 分析产品性能数据，优化控制算法，提高扫地机器人在各种环境下的适应性与稳定性； 5. 跟踪行业最新技术动态，不断探索新的算法和技术方案； 6. 负责编写与维护运动控制算法相关的开发文档，确保技术文档的准确性与易读性，并确保其他团队成员能够清晰理解文档内容。

关于我们 我们在淘天复杂业务场景中打造“可持续进化”的 AI Agent：不仅能回答问题，更能会学、记住、自我纠错。团队聚焦 Agent 记忆系统 + AI 搜索/知识召回 两大方向，在客服、商家经营助理等高复杂场景应用落地，形成了从数据闭环、训练体系到线上评测与迭代的完整链路。 我们相信记忆是下一代 Agent 的分水岭：我们已搭建自研记忆架构，并在多个内部/公开基准上取得领先效果；期待你一起把“记忆”从技术能力升级为业务护城河。 你将获得什么 ● 前沿研究与真实业务同频：围绕记忆结构设计、记忆更新机制、Memory RL/记忆 Agent 等方向做系统化探索，并能快速进入线上验证闭环。 ● 可发挥的技术纵深：从表征/倒排/图索引到多跳检索与路径级训练，从 RAG 到 Agent 记忆规划，既能做算法突破，也能做系统化落地。 ● 高影响力的场景与数据闭环：直接面向真实用户与高并发线上系统，问题复杂但反馈链路清晰，能快速沉淀可复用的技术资产与方法论。 ● 开放的成长路径：支持多元化方向发展，鼓励对外分享与论文/专利沉淀。 岗位职责 1、主导基于大模型的 AI Agent 全生命周期研发，包括通用型及垂直领域 AI Agent 的应用架构设计、数据构建、模型训练与评测； 2、运用 SFT、RL 等 Post-training 训练方法，提升大模型在自主规划（Planning）、多步推理、RAG 增强生成、工具调用、数据问答等方面的能力； 3、重点探索 AI 搜索技术在电商经营知识问答场景的应用落地，优化表征/倒排/图索引的知识召回效果，通过路径级数据的 SFT 训练 + 强化学习微调，提升Agent自主搜索与精准问答能力； 4、围绕记忆结构与记忆更新机制开展核心研发：探索前沿 Memory RL 方案，设计高效记忆 Agent 优化更新策略，并推动团队原创记忆图结构在业务中的规模化落地； 5、持续优化 Agent 算法与系统架构，构建面向问答和 AI 搜索场景的端到端智能体评测体系，开发自动化评估工具与多维评价指标，提升系统性能与效率。

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。

1、作为战略分析师，支持快速增长的东南亚电商业务； 2、与产品业务团队合作，通过数据科学的方法，支持和驱动战略专项分析的规划、推动和落地； 3、从战略+数据视角深入分析，思考和发现业务增长本质与规律，结合业务目标和需求，使用多种分析方法和工具，为业务提供洞察和助理，例如量化机会、漏斗分析、路径分析、用户痛点分析和用户分群分析等； 4、建设业务指标库，分析指标相关性和重要性，拆解KPI，定义和开发不同场景的核心指标； 5、通过内外部调研、市场研究和垂直行业研究，为业务决策提供有力支持； 6、通过回归、预测、优化等建模方法，挖掘用户行为规律，优化产品形态和用户体验。