Agent 算法研究员 - Varsapura

Agent 能力研发：面向 AI Native 游戏场景，负责智能体（Agent）核心能力研发与优化，覆盖智能 AI NPC、AI 叙事、AI 玩法等方向，构建具备多轮对话、任务规划、工具调用、环境交互、长期记忆与自主决策能力的 Agent 系统

Agent 架构设计：设计并实现游戏场景下的 Agent 核心架构，包括 Planning、Memory、Tool Use、Action、Reflection、Persona、State Tracking 等模块，提升智能体在复杂动态环境中的稳定性、一致性与可控性

记忆与数据体系建设：构建适用于游戏场景的 Agent Memory 与数据闭环体系，支持 NPC 对玩家历史行为、剧情进展、任务状态、角色关系和世界知识的长期记忆与高效调用，并持续优化训练数据与交互数据质量

工具调用与环境交互：建设 Agent 的工具与动作能力，使其能够可靠调用游戏内外部系统能力，如任务系统、剧情系统、检索系统、脚本/代码执行、UI/Browser 自动化等，提升 Agent 在真实业务场景中的执行能力

评测体系与系统优化：建立面向 Agent 的评测体系，围绕任务完成、角色设定一致性、叙事合理性、工具调用成功率、长期记忆效果、安全性等维度设计 Eval、自动化测试与分析机制，推动模型与系统持续迭代

多 Agent 与前沿探索：探索 Multi-Agent、GUI Agent、Browser Agent、World Model、MCP 等前沿方向在游戏中的应用，与产品、策划、工程团队协同推进 Agent 能力的落地与创新

硕士及以上学历，计算机科学、人工智能、机器学习、自然语言处理或相关专业 2）2 年以上大模型应用、Agent 系统、NLP 算法或强化学习相关经验，有完整项目研发和落地经验

熟悉 LLM / VLM / 多模态模型的基础原理及应用方式，理解 Agent 系统中的规划、记忆、工具调用、上下文管理与多步推理等关键问题

熟练使用 PyTorch 及主流大模型训练/推理框架与工具链，如 Transformers、DeepSpeed、Megatron-LM、VeRL、vLLM、SGLang 等，具备较强的工程实现能力

具备 Agent 方向的实际研发经验，熟悉 ReAct、Function Calling、RAG、Memory、Reflection、Planning、Multi-Agent 等常见范式，能够独立设计并实现复杂 Agent 工作流

具备扎实的强化学习或对齐基础，理解 SFT、DPO、RLHF、RLAIF、PPO、GRPO 等方法原理，有将相关方法应用于大模型行为优化或 Agent 系统优化的实践经验

具备良好的系统设计与问题分析能力，能够定位复杂系统中的效果、稳定性、延迟、成本和可观测性问题，并推动持续优化

有智能 NPC、角色扮演、开放域对话、AI 叙事、AI 玩法、沙盒模拟等相关项目经验

有 Code Agent、GUI Agent、Browser Agent、Computer Use、Multi-Agent、World Model 等方向的研究或落地经验

熟悉 Agent Infrastructure 相关能力建设，理解 Compute & Sandbox、Memory、Tools & Actions、Model Routing、Orchestration、Observability & Governance 等核心模块

有 Eval、Reward Modeling、偏好学习、长期记忆系统、RAG、向量检索、事件流建模等经验

有游戏行业经验，理解角色设定、剧情逻辑、任务系统、世界观一致性等对 Agent 设计与训练的影响

在 ACL、EMNLP、NeurIPS、ICLR、ICML、AAAI 等顶级会议发表过相关论文，或有高质量开源项目贡献