词元星火-agent算法工程师-合肥(J13617)

1. 01

   针对Agent在任务规划、多步推理、工具调用、长程记忆等方向的核心问题，提出创新性想法并设计实验验证；探索提升Agent自主决策与任务完成能力的新方法与新范式。

2. 02

   设计与优化Agent的核心能力链路，包括任务分解、工具/函数调用、多轮交互、错误反思与自我修正等，推动Agent在真实场景中稳定落地。

3. 03

   针对Agent轨迹、工具调用、多步任务等场景设计数据构建方案与质量标准；通过数据分析发现 Agent 能力短板，针对性构建训练与评测数据，形成""数据—训练—评测""的能力提升闭环。

4. 04

   参与强化学习在Agent对齐与能力提升中的应用研究，在RL算法、训练环境、奖励设计、训练数据等方面提出扎实有效的优化路径，提升模型Agent的上限和泛化性。

5. 05

   搭建Agent评测体系，设计能反映真实任务表现的评测基准与指标；持续跟踪前沿进展，快速复现并评估业界最新方法（如新的Agent框架、规划算法、工具学习方法），推动有价值的成果落地。

1. 01

   对AI大模型、Harness、Agent等方面的研究有较高的品味和深入的思考；具备扎实的独立分析问题、解决问题的能力；能够快速将想法实现，具备高效的实验迭代和验证能力。

2. 02

   熟悉大模型预训练、微调、强化学习等基本概念与常用算法（如 PPO、DPO、GRPO、Actor-Critic 等），有相关实践经验者优先。

3. 03

   具备良好的工程代码实现能力。

4. 04

   理解Agent的核心范式（如 ReAct、Function Calling、Tool Use、Planning 等），有 Agent 系统或工具调用相关开发/研究经验者优先。

5. 05

   善于跨团队沟通，能与数据、工程、产品等团队高效配合。

加分项

1. 01

   在AI相关顶会（NeurIPS、ICML、ICLR、ACL 、EMNLP等）发表过一作论文。

2. 02

   深度使用过AI 编程/Agent 工具，对模型与 Agent 的能力边界有实践认知。

3. 03

   参与过知名开源项目（尤其是 Agent / LLM 相关框架）或有活跃的 GitHub 贡献，有着良好的开源实践和协作经验。