AI Agent 算法实习生

该职位来源于猎聘 岗位简介： 我们正在招聘 AI Agent 算法实习生，围绕大模型智能体的自主开发闭环、长期记忆与自进化、Agent 评测等前沿方向开展研究与工程实践。你将参与 Agent 系统设计、算法实现、数据与评测集构建，并有机会将研究成果应用于真实企业业务场景。

研究方向： 一. Agent-in-the-loop 1.研究 Agent 自主完成“开发—测试—诊断—修复—回归”的闭环能力，包括： 2.根据需求自主设计和生成测试案例； 3.执行单元测试、接口测试及端到端测试； 4.区分产品代码缺陷、测试代码缺陷、环境异常和需求歧义； 5.根据测试反馈自主定位并修复问题； 6.提升 Agent 在长流程软件开发任务中的稳定性和可验证性。 二. 长期记忆、经验学习与自进化 Agent 1.研究 Agent 如何从历史任务和执行轨迹中积累经验并持续提升，包括： 2.设计情景记忆、语义记忆和技能记忆机制； 3.从成功和失败轨迹中提取可复用经验； 4.研究记忆检索、更新、冲突消解、遗忘和压缩方法； 5.探索基于经验的规划、反思、工具选择和策略改进； 6.研究错误经验、记忆污染及跨任务负迁移问题； 7.构建可持续学习、自我优化的 Agent 系统。 三. Agent 评测 1.研究面向真实任务的 Agent 评测方法与 Benchmark，包括： 2.构建长程、多步骤、工具调用型 Agent 评测任务； 3.设计任务成功率、轨迹质量、工具调用、成本、时延和安全性指标； 4.开发轨迹级自动评分和错误归因方法； 5.研究动态评测、隐藏测试、数据污染和 Benchmark 过拟合问题； 6.分析 Agent 在规划、记忆、执行、恢复和协作等环节的失败模式； 建立可复现、可扩展的 Agent 自动化评测平台。

岗位职责： 1.跟进 LLM Agent、Agentic AI、智能软件工程等方向的最新论文和开源项目； 2.参与研究问题定义、技术方案设计、实验实施和结果分析； 3.开发 Agent、记忆模块、测试验证器及评测框架； 4.构建和清洗训练数据、执行轨迹及 Benchmark 数据； 5.复现和改进相关论文方法，与主流 Agent 框架和模型进行对比实验； 6.对 Agent 失败案例进行系统分析，形成可量化的分类和诊断方法； 7.编写高质量实验代码、技术文档和研究报告； 8.参与论文、专利或开源项目的整理与产出； 将研究方法应用于企业流程自动化等真实业务场景。 任职要求： 1.计算机、人工智能、软件工程、自动化、数学等相关专业本科高年级、硕士或博士在读； 2.熟练使用 Python，具备良好的编程、调试和代码阅读能力； 3.熟悉大语言模型基本原理，了解 Prompt、RAG、Tool Use、Function Calling 或 Agent 工作流程； 4.能够独立阅读英文论文，并完成论文复现、实验设计和结果分析； 5.熟悉 Git、Linux及常见软件开发流程； 6.具备较强的问题分析能力，能够从复杂执行轨迹中定位失败原因； 7.工作认真，有良好的沟通能力、主动性和研究兴趣； 可连续实习不少于【4—6个月】，每周不少于【4天】。