1、深耕记忆管理、自主决策、代码生成技术，持续提升Agent上下文管理、规划推理和工具调用等核心能力，支撑信息获取、应用生成、代码生成、办公文档、GUI操控智能体的构建； 2、面向预训练/后训练构建Agent的复杂任务规划、Repo级长程轨迹交互、多步工具编排等高价值数据生产管线，强化推理深度、决策鲁棒性与复杂场景适应力，拓展智能体能力边界； 3、探索强化学习与Agent的深度融合，构建环境反馈驱动的策略优化机制，提升复杂决策场景的泛化性和准确性； 4、负责业界前沿技术分析和规划，与领军专家和科研团队合作创新，探索自主演化、多智能体协作、复杂代码生成等Agent技术前沿，提升技术竞争力与影响力。 1、人工智能、机器学习、自然语言处理、计算机科学、统计数学等相关专业； 2、具备扎实的算法研究功底和代码实现能力，深入理解大语言模型原理、Agent架构设计、强化学习、认知推理与决策规划，熟悉主流AI框架与分布式训练系统； 3、具备敏锐的科研洞察力、创新思维和独立攻关能力，能够主动追踪前沿技术动态，善于从复杂问题中抽象核心科学问题并推动技术突破； 4、具有Agent系统研发经验者优先，包括但不限于自主规划、工具学习、多智能体协作、环境交互、长程任务执行等方向；具备强化学习在复杂决策场景中应用经验者优先； 5、在领域顶级会议（如NeurIPS、ICML、ICLR、ACL、CVPR等）发表过相关论文者优先；具有开源项目贡献、高水平竞赛获奖或知名研究机构实习经历者更佳。