课题详情： 【课题背景】 AI 正从被动响应的对话助手，走向能够在真实环境中感知、记忆、推理、规划并行动的智能伙伴。我们致力于打造面向游戏场景的陪伴智能体：以多模态决策大模型为核心，使 AI 不止于会聊天的 NPC，更能理解实时战局与玩家意图，主动协同决策、形成长期记忆，并以具有角色感和情感连接的伙伴身份融入游戏体验。 相关技术已在《和平精英》等头部游戏正式服规模化上线，代表成果包括游戏行业首个由策略大模型驱动的明星 AI 伙伴。面向下一代智能体技术，我们将持续探索可长期陪伴、可规模部署、可持续进化的游戏AI伙伴系统。 【课题挑战】 1. 多模态决策与长期伙伴关系：实时盘面理解、战术推理与长程规划、长期记忆建模、个性化关系与情感交互，使智能体兼具高智商与高情商； 2. 真实部署约束下的智能体能力保持：轻量化模型的高阶能力涌现、低成本推理与Agentic RL，在严格时延与资源约束下维持决策与交互效果； 3. 可泛化Agent架构与持续进化：跨游戏场景可复用的Skill/Harness框架，以及从真实用户反馈驱动的评测-训练-上线迭代数据飞轮。 【具体工作】 参与多模态感知与世界建模、Lifelong Memory、Agentic RL与长程规划、Skill化执行架构、高情商对话与陪伴、原生Agent系统与评测闭环等方向研究与落地。 课题要求： 1、包含但不限于计算机科学、人工智能、强化学习、多模态学习等相关方向的博士/硕士同学； 2、熟悉LLM/VLM、Agent、RL或推理优化，掌握Python/PyTorch，有顶会论文发表或开源Agent项目经验者优先； 3、软性素质要求： 自驱力强，具备研究好奇心和工程落地意识，喜欢游戏者更佳。