AllSpark-大模型Agent算法专家

职位背景： 小红书作为用户的“生活决策指南”，每天承载海量的搜索与浏览需求。我们正在从传统的“信息检索”向“意图满足与服务分发”进化。 你将加入核心算法团队，负责建设小红书社区原生的 Agent 平台。利用 LLM、RAG、Multi-Agent 等前沿技术，深度理解用户复杂的非结构化 Query（如旅游攻略、装修避坑、穿搭建议），调度全站笔记、商品与工具资源，为用户提供能够直接解决问题的“智能方案”。 岗位职责： Agent 核心架构建设：负责通用 Agent 框架的设计与研发，包括意图识别（Router）、任务编排（Planning）、工具调用（Function Calling）及多轮对话状态管理（Memory），构建支持高并发、低延迟的在线智能分发系统。 大模型调优与对齐：基于开源或自研基座模型，利用 SFT、RL 等技术进行垂直领域微调。增强模型的小红书风格化表达（社区感）、复杂指令遵循能力及工具调用准确率等。 垂类智能体落地：深入旅游、美妆、装修、法律等核心垂类，设计专有的 Workflow，打通笔记、商卡、POI 等结构化数据，提升用户从“搜索”到“决策”的转化效率。 评测与迭代体系：建设 Agent 自动化评测平台（LLM-as-a-Judge），制定涵盖准确性、相关性、有用性及安全性的多维评估指标，通过离线评测与在线 A/B 实验持续驱动效果优化。

基础素质：计算机、人工智能等相关专业硕士及以上学历，具备扎实的机器学习/深度学习理论基础，精通 Python，熟练使用 PyTorch 等框架。 LLM 经验：深入理解 Transformer 架构，有大模型 Pre-training、SFT、RL 全流程实战经验。 业务落地能力：具备极强的工程落地能力，对数据有敏锐的洞察力，善于从海量非结构化数据（User Query, Notes, Comments）中挖掘价值。 加分项： 在 NeurIPS, ICML, ICLR, ACL 等顶会发表过高质量论文。 在 LLM 大家关注的 Benchmark 榜单有深入研究或优异表现。