【北斗】Agent构建算法研究员

北京 · 校招 · 2027 届 · 博士

长期有效

前往官方投递页 →

任职要求

【任职资格】
必备条件：
1.2027届计算机、人工智能、数学、统计、电子信息、自动化等相关专业，本科及以上学历，博士/硕士优先。
2.熟悉 LLM 及 Agent 基本机制与技术原理，包括 LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent 等；对 Prompt Engineering、Context Engineering、Harness Engineering 等课题有较深入了解。
3.熟练使用 AI Agent 工具进行软件开发，在软件开发领域具有极强的学习能力；能在 AI 辅助下，于没有直接经验的领域进行有质量保证的编程工作。
4.是 Agent 产品的忠实用户，对 Agent Harness 开发有极大热情，对模型行为有品味与判断力，对开发者体验有强感知；深度使用过代码类及通用类 Agent 产品，并将其融入工作与生活。
5.良好的中文沟通能力。
加分项：
1.在 NeurIPS、ICML、ICLR、CVPR、ACL、EMNLP 等顶会发表过论文，有不错的科研品味，或有被广泛使用的开源项目。
2.在计算机科学、编程或数据科学领域具有含金量的比赛奖项，有很好的动手能力。
3.有很好的想象力和产品力，具备跨学科视野，或其它超乎常人的与此工作相关的才能。

岗位描述

【岗位职责】

【愿景】

建成全球持续领先、客户长期信赖的履约技术平台，打造市场首选、社会认可、服务10亿用户的配送品牌。

【你将参与】

方向一：Agent 技术体系研究与 Harness 建设

1.面向真实业务场景，设计并构建 Agent 技术体系，重点攻克任务规划与分解、工具调用与协同、自我反思与纠错、记忆与知识管理等核心能力。
2.负责 Harness Agent 的开发与评估框架的搭建与持续迭代，抽象可复用的模式与组件。
3.深入分析 Agent 的失败模式，建立系统化的错误诊断、归因与自动修复机制。

方向二：Agent for Work 能力研究与探索

1.面向工作场景，设计并实现具备自主研究、知识库管理、自主循环能力的 Agent 系统。
2.重点攻克自主信息检索与整合、基于记忆与知识管理的结构化知识库动态更新、计划-执行-反思闭环等关键技术，实现工作流的高效自主执行。

方向三：业务闭环与落地

1.与业务团队深度协作，将 Agent 能力落地到真实业务流程中，解决实际业务痛点，并转化为可量化的线上收益。
2.建立覆盖 Agent 行为、任务完成质量、工具调用准确率和业务效果的评测体系，驱动模型与系统的快速迭代。

【任职要求】

【任职资格】

必备条件：

1.2027届计算机、人工智能、数学、统计、电子信息、自动化等相关专业，本科及以上学历，博士/硕士优先。
2.熟悉 LLM 及 Agent 基本机制与技术原理，包括 LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent 等；对 Prompt Engineering、Context Engineering、Harness Engineering 等课题有较深入了解。
3.熟练使用 AI Agent 工具进行软件开发，在软件开发领域具有极强的学习能力；能在 AI 辅助下，于没有直接经验的领域进行有质量保证的编程工作。
4.是 Agent 产品的忠实用户，对 Agent Harness 开发有极大热情，对模型行为有品味与判断力，对开发者体验有强感知；深度使用过代码类及通用类 Agent 产品，并将其融入工作与生活。
5.良好的中文沟通能力。

加分项：

1.在 NeurIPS、ICML、ICLR、CVPR、ACL、EMNLP 等顶会发表过论文，有不错的科研品味，或有被广泛使用的开源项目。
2.在计算机科学、编程或数据科学领域具有含金量的比赛奖项，有很好的动手能力。
3.有很好的想象力和产品力，具备跨学科视野，或其它超乎常人的与此工作相关的才能。

你的简历匹配这个岗位吗？

上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方

登录后分析我的简历

该岗位可能会问的问题

基于算法岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制（Self-Attention）

类型专业能力·难度困难

查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等

查看答题思路

1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）

过拟合是什么？怎么判断和解决

类型专业能力·难度简单

查看答题思路

1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理，SGD 和 Adam 的区别

类型专业能力·难度中等

查看答题思路

1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam

给你 10 万条未标注的文本数据，如何找出其中 10 个主题

类型情景/案例·难度中等

查看答题思路

1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整

更多面试题库功能即将上线

信息来源：企业官方招聘页。投递前请以官网信息为准。

前往官方投递页 →