图像识别算法工程师（供应链）

关注并研究大模型（LLM）、Agent、强化学习（RL）等前沿技术的发展趋势，探索其与传统优化算法的融合方式，推动智能决策技术在实际业务场景中的落地应用。

围绕 Optimization + Agent 方向开展研究与实践，探索利用Agent能力增强传统优化模型在复杂业务场景下的适应性与可执行性。

面向供应链等复杂优化场景，研究传统优化模型难以完整覆盖的边缘问题，包括但不限于订单插单、紧急缺料、人工经验调整、特殊客户优先级、临时设备异常、数据不完整等场景，并探索相应的智能处理方案。

探索利用Agent理解业务上下文信息，自动识别优化方案中存在的问题，生成合理的调整策略，并在保持核心KPI的前提下实现优化结果的自动修正。

探索将业务专家经验进行结构化沉淀，转化为可复用、可迭代的Agent能力，提升决策系统对复杂场景的处理能力。

围绕LLM辅助优化决策方向开展研究，针对实际业务中大量难以直接形式化建模的经验规则、模糊约束与隐含偏好，探索更有效的建模与决策方法。

研究如何利用LLM理解业务规则，识别硬约束与软约束，并从历史决策数据中学习隐含规则，提升智能决策系统对复杂业务语义的理解能力。

探索构建可持续学习业务经验的优化系统，并结合微调、Preference Learning、强化学习等技术手段，不断提升决策质量与系统表现。

围绕Agentic AI相关开放课题开展探索，包括但不限于Agent Workflow设计、Multi-Agent协同、Tool Calling、Planning & Reflection、Memory机制、Agent Evaluation，以及Agent与Optimization、Simulation、Reinforcement Learning等方向的结合。

结合实际业务场景，提出创新性的研究思路与技术方案，推动相关能力的验证、落地及持续迭代

硕士研究生及以上学历，运筹优化、计算机、计算机视觉、人工智能等相关专业。

熟练掌握Python编程，具备良好的工程实现能力。

熟悉至少一种深度学习框架，如PyTorch等。

对大模型（LLM）、Agent、强化学习（RL）等方向有浓厚兴趣，愿意持续跟踪前沿技术并开展深入探索。

具备较强的问题分析能力、抽象建模能力与自主学习能力，能够围绕开放性问题独立思考并推进方案落地。

具备良好的沟通协作能力，能够与算法、工程及业务团队高效配合，共同推动项目进展。 加分项

有LangGraph、AutoGen、CrewAI等Agent框架的使用或开发经验。

有OpenAI、Claude、Qwen等主流大模型API的使用经验。

有RAG、Function Calling、MCP等相关实践经验。

有强化学习相关经验，如PPO、GRPO等。

有LLM微调相关经验，如LoRA、SFT、DPO等。

具备优化算法相关背景或实践经验，包括但不限于运筹优化（OR）、混合整数线性规划（MILP）、约束规划（CP）、启发式算法等。

有供应链、生产计划、调度优化、智能决策等相关项目经验者优先