算法工程师 - LLM后训练 Beijing Full-time R&D - Algorithm Responsibilities 参与公司AI算法相关工作，专注于提升大语言模型（LLM）的生成质量，推动技术创新和产品落地，具体职责包括但不限于：1. 监督微调：深入研究和实施大语言模型（LLM）的SFT、RFT等技术方案，优化AI的情感表达能力和剧情设计能力，突破长期记忆、行为一致性等技术难点2. 奖励模型：基于海量用户交互日志和反馈数据，深入挖掘真实用户偏好信号，构建高质量的偏好数据集；设计并实现包括生成式奖励模型（GRM）、过程奖励模型（PRM）等在内的多维度奖励函数3. 强化学习：深入理解PPO、DPO、GRPO等常用LLM强化学习方法，结合具体业务目标（如上下文一致性、逻辑正确性、OOC等），设计定制化的奖励组合与训练策略4. Agent：面向复杂、多步骤的业务场景，设计并实现基于大语言模型的Agent架构；集成工具调用（Tool Use）、记忆机制（Memory）、反思（Reflection）、多智能体协作等范式实现复杂任务的能力跃迁 Qualifications 1. 优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python，ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；2. 熟悉NLP、CV相关的算法和技术，熟悉大模型训练、RL算法者优先；3. 在虚拟角色生成、角色扮演、情感陪伴等方向有项目经验或论文成果者优先；4. 能系统性拆解角色类模型在生成一致性、长期记忆等场景的挑战，提出创新解决方案；5. 具备较强自驱力，能与产品、算法团队紧密协作，推动技术从研究到落地的全链路闭环。 Apply...
算法工程师 - Agent Beijing Full-time R&D - Algorithm Responsibilities 负责公司AI Agent方向的算法研究与落地工作，围绕个性化内容生成与长期记忆构建，将大模型训练技术（SFT、RL等）应用于Agent能力的持续提升，具体职责包括但不限于：1. Agent架构设计：面向个性化内容生成和角色交互场景，设计并实现基于大语言模型的Agent架构；定义Agent的编排流程、工具调用（Tool Use）、反思（Reflection）等核心范式，使Agent能够基于用户画像和历史交互生成高度个性化的内容与回复2. Agent训练与优化：运用SFT、RFT、PPO、DPO、GRPO等训练方法，针对Agent场景设计专项训练方案；构建Agent行为轨迹数据集，通过强化学习优化Agent的个性化生成质量、记忆调用准确性和多轮对话一致性3. 训练环境设计：构建Agent训练所需的真实可执行交互环境（工具调用沙箱、用户模拟器、多轮对话场景等），定义状态空间、动作空间和反馈信号，为Agent提供高质量的训练闭环4. 奖励建模：设计Agent专用的奖励函数与评估体系，针对个性化程度、内容一致性、记忆调用准确性、用户满意度等多维目标，结合过程奖励模型（PRM）、生成式奖励模型（GRM）以及个性化奖励模型（Personalized RM，基于用户偏好和交互历史动态调整奖励信号），实现对Agent行为链路的细粒度奖励，解决奖励稀疏、奖励欺骗等核心难题5. 记忆与个性化系统：构建可解释、可迁移、可控的Agent记忆架构，支持用户偏好的长期建模与动态更新；实现记忆的版本化管理，支持精确遗忘（通过token删除）和跨模型迁移，保障个性化体验的连续性与可控性6. 持续学习（Continual Learning）：研究并实现Token Space下的持续学习机制，通过更新Agent的learned context（系统提示、记忆库、工具定义等）而非模型权重来实现Agent的持续进化；解决context poisoning（上下文污染）/ context rot（上下文退化）等有限上下文窗口下的记忆退化问题，在避免灾难性遗忘的前提下实现Agent知识的增量积累8. 快速实验与迭代闭环：具备从eval构建、数据准备、方案实现到结果评估的全链路快速实验能力；参与Agent的线上A/B实验设计，通过线上效果度量和用户反馈分析定位算法瓶颈，驱动下一轮训练与模型优化的方向 Qualifications 1. 优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python，ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；2. 熟悉NLP相关的算法和技术，具备大模型训练和RL算法的实践经验；3. 对LLM-based Agent系统有深入理解，具备Agent训练或Agent系统相关的项目经验；4. 能系统性拆解Agent在长期记忆管理、个性化内容生成、上下文窗口利用等场景的挑战，提出创新解决方案；5. 具备较强自驱力，能与产品、算法团队紧密协作，推动技术从研究到落地的全链路闭环。加分项：1. 在Agent记忆机制、个性化生成、持续学习、上下文优化（如DSPy等prompt optimization方法）等方向有论文成果；2.
大模型算法工程师（LLM）-校招【27届】 北京 AI车青年 职位 ID：A214507 职位描述 1. 负责大语言模型（LLM）及智能体（Agent）在汽车垂类场景的端到端落地，覆盖AI销售、智能客服等公司级核心产品功能；2. 构建基于 智能体协作（Tools/Skills/Handoffs） 的智能体系统，实现多步骤任务规划能力；3. 探索并应用 思维链（Chain-of-Thought, CoT）、自我反思（Reflection）等机制，提升模型在复杂购车咨询、对比分析、金融贷款等高阶推理任务中的表现；4. 参与LLM强化学习优化链路建设，包括偏好数据构建、可验证奖励强化学习（RLVR）；5. 与产品、工程、业务团队紧密协作，推动算法模型从实验到上线的全链路工程化落地，并建立科学的效果评估与迭代机制； 职位要求 1. 计算机、人工智能、自动化、数学或相关专业，硕士及以上学历；2. 扎实的机器学习理论基础，深入理解Transformer架构及主流大模型（如LLaMA、Qwen、DeepSeek、GPT系列）的训练与推理机制；3. 具备完整的LLM应用落地经验，熟悉 Prompt Engineering、SFT、DPO 等技术路径，并有实际项目验证效果；4. 对智能体（Agent）技术栈有实践积累，包括但不限于：基于CoT的任务分解与推理、多工具调用（Function Calling）与执行反馈闭环、自主规划（Planning）与状态记忆（Memory）机制、基于用户行为或模拟反馈的策略优化方法5. 熟练掌握Python，具备良好的工程实现与系统设计能力，了解服务端部署、模型监控与AB测试流程；6. 精通PyTorch/TensorFlow等框架，了解分布式训练、推理加速（vLLM/TensorRT-LLM等）、模型量化等优化技术；7. 具备优秀的逻辑思维、业务抽象能力与跨团队协作意识，能将复杂用户需求转化为可量化的技术方案；加分项（优先考虑）1. 有垂直领域（汽车、电商、客服等）智能体或强化学习落地经验；2. 在ICLR、NeurIPS、ICML、ACL、EMNLP等顶会发表过LLM、Agent或RL相关论文；3. 熟悉多智能体协作（handoffs architecture）、可验证奖励强化学习（RLVR）；4. 参与过开源Agent框架（如LangChain、LlamaIndex、AutoGen）的二次开发或优化；5. 具备大模型评估体系设计经验，尤其在事实一致性、工具调用准确率、任务完成率等维度有方法论沉淀。 投递...
Job Summary: Works in a variety of finance roles, during a two-year developmental program. Based on assigned location, responsibilities will vary, including the preparation of analyses, forecasts and reports, support of the annual budget process, and
资深 Agent 工程师（Tripo Studio · Canvas Agent） Beijing Experienced Full-time Responsibilities 【我们在做什么】Tripo 做 3D 生成：把文本、图片和交互变成可交付的 3D 资产。https://tripo3d.ai本岗位在 Agent 团队，负责 Studio 中的 Canvas Agent：把自然语言、参考图和画布操作，编排成可执行的创作流程。工作重点是 Agent 架构、评测，以及效果、成本、时延之间的取舍。【你将负责】1. 端到端创作链路：基于自然语言、参考图和画布交互，规划并执行「生成 → 检查 → 分割 / 局部编辑 → 贴图 → 重拓扑