公司目前致力于往 AI Agent 发展，内部业务对于相关岗位述求比较大，目前有相关岗位急招，具体如下：
岗位一：
职位描述
- 主导大模型智能体(Agent)系统的整体架构，围绕任务规划、工具调用、多步推理与自主决策等核心能力，推动 LLM Agent 在真实业务场景中高效落地。
- 负责 Agentic 大模型的后训练(Post-training)，通过 SFT 、奖励模型(RM)训练、强化学习(RLHF/DPO/GRPO)等手段，系统性提升模型在复杂任务中的规划、工具使用准确性与长程一致性，解决多步推理中的错误累积与目标偏离。
- 构建 Agent 的分层记忆体系(结构化记忆、语义记忆、工作记忆)，结合 RAG 架构与向量检索优化，实现对用户偏好、历史交互与领域知识的高效检索与动态注入，支撑 Agent 的个性化与持续学习。
- 落地 Function Calling 、API 调用、代码解释器集成与多模态工具协同，优化模型对外部工具的感知、选择与参数生成质量，提升 Agent 在跨系统任务中的自动化水平。
- 探索强化学习在 Agent 决策中的应用，结合过程奖励模型(PRM)、蒙特卡洛树搜索(MCTS)、多智能体协作等前沿方法，增强模型在开放场景下的探索、反思与纠错能力，提升任务完成率与鲁棒性。
- 与工程团队协作解决端到端延迟与资源效率问题，推动推理优化(量化、KV Cache 压缩、投机解码等)、任务调度与高并发架构设计，保障线上服务的稳定性与成本可控。
职位要求
- 计算机、人工智能、数学等相关专业硕士及以上学历，3 年以上 NLP 、对话系统或大模型算法落地经验，机器学习与深度学习基础扎实。
- 深入理解主流大模型架构(Qwen 、LLaMA 、ChatGLM 等)，精通后训练全流程，在 SFT 、RLHF/DPO/GRPO 上有实际落地经验，熟悉 LoRA/QLoRA 等高效微调技术。
- 熟悉主流 Agent 范式(ReAct 、Plan-and-Execute 、Reflexion 、Function Calling 等)，有 Agent 项目实战经验，能设计任务拆解、工具选择与结果验证的完整链路。
- 精通 RAG 系统工程化，掌握向量数据库(Milvus 、Faiss 等)与混合检索策略(稀疏 + 稠密 + 重排序);有记忆管理或长期对话上下文建模经验者优先。
- 熟练掌握 Python 与 PyTorch/TensorFlow ，熟悉 SQL 及大数据工具，熟悉主流推理引擎(vLLM 、TensorRT-LLM 等)及性能调优手段。
- 逻辑思维与问题拆解能力强，对 Agent 领域开放性问题有研究热情，自驱力强，善于跨团队协作。
加分项：
• 有复杂 Agent 系统(AutoGPT 、BabyAGI 、LangChain/LlamaIndex)或智能体产品(Copilot 、AI 助手、自动化工作流)的落地经验;
• 有生成式检索、语义 ID （ VQ-VAE/RQ-VAE/深度哈希）、生成式搜推(T5-based Retrieval 、GPT-Rec 等)落地经验;
• 在 Agent 规划、工具学习、代码生成、RL 与 LLM 结合方向(RLHF 、RLAIF 、PRM)有深入研究成果或顶会论文(ACL 、EMNLP 、NeurIPS 、ICML 、KDD 、RecSys 、WWW 等);
• 熟悉多智能体协作框架(CrewAI 、AutoGen)或有大规模 Agent 评测体系设计经验
岗位二：
职位描述
- 负责云音乐内容安全算法体系的研发与迭代，覆盖文本、图像、音频、视频等多模态内容的违禁识别与风险识别。
- 针对歌曲、评论、歌单、直播等场景，设计和优化违禁词检测、音视频指纹、色情/暴力/谩骂识别、ASR/NLP 内容理解等模型。
- 探索大模型（ LLM/Multimodal ）在内容风控场景的落地应用，解决新型突发违规内容的快速响应与识别问题。
- 跟踪业界前沿的多模态理解、小样本学习、增量学习等技术，结合业务场景进行落地探索，持续提升平台内容生态健康度。
职位要求
- 计算机、数学、统计等相关专业，3 年以上机器学习算法经验，内容安全、多模态理解或自然语言处理领域实战经验。
- 熟悉 Transformer 架构及预训练大模型技术，掌握至少一类 LLM 模型（如 LLaMA ，Qwen ），有大模型微调（ LoRA/P-tuning ）或多模态模型（如 CLIP 、Whisper ）实际落地经验者优先。
- 扎实的算法与工程能力，精通 Python/Java ，熟练使用 TensorFlow/PyTorch 、Spark ML 等框架，有海量数据处理及模型压缩部署经验。
- 对内容安全标准与黑灰产对抗有敏锐的洞察力，具备优秀的逻辑分析与技术攻坚能力，能快速跟进顶会前沿算法并复现。
- 自我驱动，对内容治理有持续热情，具备良好的跨团队沟通与协作能力。
岗位三：
职位描述
1 、架构设计与模型落地：主导 AI 虚拟陪伴系统的整体技术架构设计，重点负责大语言模型（ LLM ）在对话系统中的深度落地，确保模型能力在产品体验层面的高效转化。
2 、LLM 后训练与对齐：负责基座大模型的后训练（ Post-training ） 阶段工作，包括但不限于监督微调（ SFT ）、奖励模型（ RM ）训练，以及基于人类反馈的强化学习（ RLHF ）或直接偏好优化（ DPO ），解决模型在虚拟陪伴场景下的角色一致性、情感理解与个性化表达问题。
3 、强化学习与决策优化：探索强化学习（ RL ）在对话策略中的应用，利用强化学习优化模型在长程对话中的推理（ Reasoning ）能力与决策过程，提升交互的拟人化程度与逻辑连贯性。
4 、记忆管理与 RAG 优化：完善记忆管理机制，实现关键事件、用户偏好的高效存储与检索。负责 RAG 系统的工程化落地，结合向量数据库与检索策略优化，为强化学习和微调阶段提供高质量的数据支持，提升内容生成的个性化与时效性。
5 、性能与资源调度：主导系统性能优化，解决高并发场景下的低延迟响应与推理资源调度问题，保证线上服务的稳定与高效。
职位要求
1 、学历与经验：硕士及以上学历，计算机科学、人工智能等相关专业，具备 NLP 、多模态交互领域深度实践经验。
2 、LLM 后训练专长：
- 深入理解主流大模型架构（如 Qwen 、LLaMA 、ChatGLM 等）；
- 精通大模型后训练全流程，尤其在 RLHF/DPO 方面有实际落地经验，熟悉 PPO 、DPO 等强化学习算法在语言模型中的调参与应用；
- 熟悉 LoRA 、QLoRA 等高效微调技术，能根据场景平衡模型性能与训练成本。
3 、强化学习（ RL ）基础：掌握强化学习基本原理，了解其在语言模型推理（如 RLHF 中的推理环节、过程奖励模型 PRM ）或多轮对话决策中的应用，有相关研究或项目经验者优先。
4 、RAG 与多模态技术：精通 RAG 系统的工程化实现，掌握向量数据库（如 Milvus 、Faiss ）与检索优化策略。熟悉多模态对齐技术（如 CLIP ），有多模态生成（文本-图像/视频）或多模态语言模型落地经验者优先。
5 、加分项：有复杂对话系统、虚拟陪伴产品或情感计算相关项目的落地经验；在强化学习与语言模型结合方向（如 RLHF 、RLAIF ）有深入研究成果或顶会论文者优先。
联系邮箱（ Base64 ）：anh6c2oyMDA3QDE2My5jb20= 邮件请附上简历，备注对应岗位