微信-有价值信息主动挖掘和梳理的Agent技术研究

课题背景： 大模型能力快速提升，个人多模态数据（社交、订单、音视频、文件等）海量增长，数据呈现非结构化、规模大、噪声高、关联复杂等特点，传统管理方式难以高效整理、提炼与利用。为实现用户专属、智能、精准的个人信息管理，亟需研究面向大规模多模态数据的信息挖掘 Agent 技术，支撑高效、安全、可理解的数据使用。 课题挑战： 多模态数据异构、非结构化、噪声高，难以统一表征与深度关联挖掘。 复杂信息挖掘任务需 Agent 具备自主规划、动态推理与决策能力，逻辑链路长。 数据全流程（采集、存储、检索、推理）需严格满足隐私与权限约束，安全与性能需平衡。 模型需在端侧 / 边缘部署，对压缩、剪枝、推理加速提出极高要求。 具体工作： 参与多模态 Agent 模型设计、信息挖掘与推理算法实现、隐私保护方案研究，开展模型压缩与端侧部署实验，完成算法验证与性能优化。

学历和专业要求 计算机、人工智能、软件工程、电子信息等相关专业硕士 / 博士，具备多模态、大模型、强化学习、Agent技术研究基础优先。 技术技能要求： 掌握多模态模型训练 / 检索/强化学习/ Agent 相关算法，熟练使用 Python/PyTorch，了解模型压缩和端侧部署加速技术。 软性素质要求： 自驱自律、逻辑清晰、动手能力强，具备良好文献阅读、论文写作与团队协作沟通能力。 此课题同时招聘应届实习生和低年级实习生。