【REDstar】智能客服算法工程师（LLM Agent方向）

负责智能客服 Agent 化系统的核心算法研发，包括意图理解、多轮对话状态跟踪、任务规划与工具调用（Function Calling / Tool Use）、检索增强生成（RAG）、精排与回复生成，面向复杂客服场景进行模型微调（SFT）、蒸馏、强化学习（RLHF / RLAIF / GRPO 等）；

独立负责从需求分析、Agent 架构设计（如 ReAct、Plan-and-Execute、Multi-Agent 协作）到模型训练部署的全流程，包括高质量数据构造与清洗、Prompt / Context 工程、模型训练、离线评估体系（Rubric / LLM-as-Judge）搭建、AB 测试及线上服务效果优化；

持续跟踪并深入研究大模型与 Agent 领域前沿进展，如 MoE 架构、长上下文与记忆机制、推理加速（投机解码 / KV Cache 优化）、复杂推理（CoT / 慢思考类模型）、Agentic RL、多模态对话、Agent 评测基准等，主导或参与 Agent 化智能客服的创新方向探索与落地。

本科及以上学历，计算机、人工智能、自动化等相关专业；

扎实的机器学习 / 深度学习理论基础，具备大模型训练全链路（预训练 / SFT / RLHF / 推理优化）的工程实践经验，代码能力强，熟练使用 Python，具备大规模分布式训练 / 推理框架使用经验（如 PyTorch、vLLM/SGLang、DeepSpeed、Ray 等）；

对 LLM Agent 技术方向有系统性认知和实践经验，包括但不限于工具调用、多步规划、记忆机制、Multi-Agent 协作、Agent 评测与 Reward 建模；有相关落地项目或竞赛经历者优先；

在顶级会议 / 期刊（NeurIPS / ICML / ICLR / ACL / EMNLP 等）发表过大模型、强化学习或对话系统相关论文者优先，或在权威 Agent Benchmark（如 AgentBench、GAIA、SWE-bench、τ-bench 等）上取得优异成绩者优先；

有实际业务场景中大模型 / Agent 系统落地经验（如智能客服、智能助手、AI Copilot 等）者优先；

具备极强的自我驱动力和学习能力，能快速跟进并复现前沿论文 / 技术方案；具备良好的工程规范意识、抽象归纳能力和跨团队协作沟通能力，对技术有强烈热情和好奇心。