面向零售全场景的Agent研究与落地

1. 负责零售生态复杂任务的Agent编排系统、Agent harness及相关工具的设计与迭代； 2. 构建Agent自动化评估体系(Evals)，精准衡量长程可靠性、回归指标及边缘失败模式； 3. 搭建数据闭环回路，将用户交互、人工反馈与合成数据转化为高质量的训练集； 4. 开展购物、本地生活等多场景下的大模型后训练(SFT/RL)及智能体行为深度分析； 5. 提炼核心场景痛点，攻坚关键算法研究，并通过高水平学术论文或技术博客发表成果； 6. 协同产品团队定义Agent端到端任务标准，持续优化面向用户的智能体交互体验。

1. 获得本科及以上学历，计算机科学、人工智能等相关专业； 2. 具备扎实的机器学习基础，在LLM、Agent、强化学习(RL)或后训练等方向有深厚的技术积累； 3. 具备优秀的工程架构能力与品味，能端到端构建可靠、高效的系统与实验流水线； 4. 具备极强的数据敏锐度与用户导向思维，能够将长尾失效案例转化为具体的模型调优策略； 5. 熟悉并善于利用主流AI编程辅助工具（如Codex等）提升研究与工程开发效率； 6. 在NeurIPS, ICML, ICLR, KDD, ACL, CVPR等人工智能领域顶会有高质量论文发表记录。