】（多个方向可供选择！） 1.行业大模型：后训练与对齐大模型（LLM），探索大模型的后训练（Post-Training）范式，包括行业模型通用评估方案设计、奖励模型（Reward Model）优化、自动化样本构建与评估归因方法，提升模型在垂直领域的表现。 2.Reasoning增强：研究面向行业推理能力建设的强化训练方案，包括场景特定奖励设计、环境模拟与数据生成、多场景迁移学习与元强化学习，提升模型在复杂业务场景下的泛化与决策能力。 3.多场景agent：以大模型对话技术为核心，探索前沿技术问题。研究方向包括角色扮演、个性化对话、记忆管理，拟人化，数字人等，主要业务场景包括运营，招聘，销售，审核等。目标是构建覆盖多个场景的Agent系统，实现“技术驱动业务范式”的升级转变。 4.多模态技术/空间智能Agent：探索视觉-语言模型（VLM）的特征对齐与优化，集成地理信息（GIS）、用户热力、图像等多模态数据，构建空间感知与规划智能体，攻克跨模态语义对齐难题。 5.agent构建：设计面向多场景（如客服、销售、运营、招聘）的Agent框架，攻克个性化对话、角色扮演、记忆管理、复杂规划、拟人化交互、工具调用等关键技术。 6.检索增强生成（RAG）优化：研究基于图结构的知识融合、混合模型协同推理架构、强化学习驱动的RAG优化方法，提升系统在知识密集型任务中的表现。 7.AI工程与平台（AI Infrastructure与平台）：参与高性能AI基础设施开发，包括Agent编排引擎、自动化评测系统、分布式训练框架、模型服务治理平台等，保障算法高效稳定落地。 【