课题详情： 课题背景： 微信小程序具有完整的服务生态，覆盖几乎所有互联网服务类目。基于小程序的服务生态，可构建一个为用户提供通用服务的智能体。该项目接百万级开发者和十亿级用户，为用户提升效率，为社会提供价值。 技术上，Function Call 的准确性对于 AI Agent 的表现至关重要，正确理解用户意图，匹配合适服务，规划调用链及正确调用参数等每一步都对用户体验有直观影响。 课题挑战： 1、通用场景的泛化挑战：不同于工具集固定、目标明确的单一领域任务，本课题面向所有小程序，差异性业务逻辑、工具体系与交互模式差异显著，需系统分析 Agent 场景下的共性。 2、多轮数据构建难题：Agent场景本质上是多轮人机协作的需求澄清与工具调用过程，业界缺乏完整的交互轨迹数据。需按行业维度抽象业务流程，构建一套可扩展的高质量数据自动生成 Pipeline，产出能全面覆盖行业的评测集与训练集，攻克多轮意图、工具链编排、轨迹质量筛选等核心问题。 3、长轨迹后训练的系统性挑战：针对完整交互轨迹的 RL 后训练，面临训练数据配比复杂、奖励信号稀疏、长序列信用归因模糊，以及长序列训练带来的算力消耗与收敛不稳定等问题，需在奖励建模、数据配比与训练效率层面开展针对性优化。 具体工作： 围绕跨通用 Agent 场景，系统梳理共性逻辑，构建可扩展的多轮交互轨迹数据自动生成 Pipeline，产出覆盖通用场景的评测集与训练集；针对长轨迹 RL 后训练，开展奖励建模、数据配比与训练效率的针对性优化，提升模型在通用 Agent 场景下的整体表现。 课题要求： 1、计算机、数学、人工智能等专业博士和优秀硕士，具备优秀科研素养，有顶会论文发表者优先。 2、在大模型、强化学习等方向有扎实研究基础，熟悉SFT/DPO/PPO/GRPO/Reward Model等； 3、具备良好的分析和独立解决问题、工程落地与抗压能力。有良好的团队协作和沟通能力。