千问千问事业部-大模型应用算法工程师（Agent 方向）-北京
任职要求
1. 计算机、人工智能或相关专业硕士及以上学历，3 年以上算法研发或agent落地经验； 2. 具备扎实的编程与工程能力，精通 Python，熟悉 Agno 等 Agent 相关框架中的一种或多种，能够独立完成从算法原型到线上系统的工程落地。 3. 深入理解Agent Harness核心机制，能够针对真实业务场景设计稳定、可控、可观测、可迭代的 Agent 解决方案。 4. 熟悉大模型后训练方法…
工作职责
1. 负责广告平台投放 Agent业务的研究、设计与落地，构建具备规划、执行、反馈、迭代能力的智能投放 Agent，推动广告投放从人工操作走向全链路自动化与智能化。 2. 负责以 Skills 为核心的 Agent 自主进化体系建设，构建 Agent记忆、经验、任务复盘系统与知识固化机制，使业务 Agent 能够从历史任务、人工反馈、线上结果和异常案例中持续学习与改进。 3. 构建面向业务 Agent 的 Harness 基础设施，包括上下文工程、任务规划与执行、多 Agent 协作机制、评测与观测体系、HITL人机协同、安全约束与异常兜底机制等。 4. 负责 Agent进化相关的大模型后训练与强化学习前沿研究，持续提升模型在业务场景下的决策、规划与执行能力。 5. 与产品、工程、运营等团队深度协同，将模糊业务问题抽象为可评估、可迭代、可规模化的 Agent技术方案。
团队介绍： 团队由国内外知名高校及主流互联网企业的资深专家组成，在顶尖会议（如 NeurIPS、ICLR、ICML、KDD 等）发表过多篇论文，是国内理论与应用实践相结合、应用算法创新的顶尖和超一流团队。 围绕出行 Agent 等高德的核心业务场景，通过大模型提升业务效果并落地，不限于 VLM 的 SFT / RL / on-policy distillation，以及 Agent 的 tool 与 skill 调用、复杂任务编排、agentic reasoning 等方向。
1. 负责客服场景大模型微调（SFT）及强化学习（RLHF/RLAIF/DPO），持续提升模型在复杂业务逻辑下的推理能力与回复质量。 2. 深度优化RAG链路，包括Embedding模型精调、多路召回融合、重排序及长文本处理，将海量非结构化知识库转化为精准的业务生产力。 3. 参与沙盒模拟/红蓝对抗体系建设，通过对抗模拟和自动化评测，挖掘模型潜在问题，驱动模型实现智能化自迭代。 4. LLM在交互安全、自动判责、智能质检、复杂任务编排（Agentic Workflow）等高价值场景的落地，实现客服全流程的智能化转型。
团队简介： 我们是高德行中智能团队，我们的使命是基于高德海量高质的数据，最前沿的AI算法，最可靠的通用工程架构，打造有温度、有惊喜、科技感十足的下一代出行体验； 在这里，我们一起建设应对超大业务规模和场景，超高业务复杂度的高效、可靠、鲁棒的技术架构；一起用最前沿的机器学习、深度学习、AI算法探索智慧出行最具挑战性的行业难题；一起用最尖端的AIGC、LLM/LVM、多模态理解与生成技术；基于语音、视觉、位置等多模态信息搭建高吞吐、低时延、强智能、真人感的Agent体系，打造全新人和环境交互形态； 职位描述 探索下一代多模态出行体验 基于全双工多模态agent，构建人和环境的全新交互形态
1、参与司机智能助手相关的大模型 Agent 设计与应用，构建包含意图识别、复杂任务拆解、多步推理、ReAct 工具调用、长短期记忆及智能推荐在内的完整链路； 2、运用 SFT、RL 等后训练方法训练强化垂域模型，提升大模型的多步推理、上下文遵循、ReAct 工具调用、领域问答等能力； 3、基于数据反馈构建高质量训练数据，设计奖励函数与优化机制，提升模型在垂直领域的泛化能力，利用 PPO/GRPO 等算法建设基于强化学习的迭代路径； 4、跟踪 LLM 与 Agent 领域的国际前沿技术（如多智能体协作、Long Context、CoT），推动前沿技术在业务中的应用落地； 5、深度理解网约车业务，沉淀通用、模块化的算法能力，与产品、工程紧密沟通协作，推动业务迭代。