面向复杂任务的自主智能体规划推理与协作关键技术-阿里星/A Star

• 1. 面向真实业务需求，开展大模型Agent领域前沿技术研究，包括但不限于：规划推理、记忆机制、工具使用、多智能体协作、Agent安全与对齐与标准化Agent评测等方向；
• 2. 将研究成果转化为可落地的技术方案，与工程团队协作推动Agent能力在产品中的规模化应用；
• 3. 持续跟踪国际前沿进展，在NeurIPS、ICML、ICLR、ACL、EMNLP等顶级会议/期刊发表高水平学术论文；
• 4. 参与构建Agent评测基准与数据集，推动领域评估体系建设；
• 5. 积极参与技术分享、专利申请及开源社区建设，提升团队及公司学术影响力；
• 6. 与国内外高校、科研机构开展学术合作与交流。
• 1. 计算机、人工智能、自动化、数学等相关专业博士学位，具备扎实的数学基础；

2. 在以下至少一个方向有深入研究积累：

• - Agent 规划与推理
• - 工具调用与环境交互
• - 多智能体协作
• - 记忆机制与上下文管理
• - 强化学习 / RLHF / 过程奖励模型
• - 自然语言处理（NLP）核心任务
• 3. 在CCF-A类会议/期刊（NeurIPS/ICML/ICLR/ACL/EMNLP等）

• 4. 具备较强的问题抽象与研究创新能力，自驱力强，能独立推进研究课题；
• 5. 良好的团队协作与跨组沟通能力，对技术落地有热情，研究与工程兼顾。

加分项：

• 1. 有LLM微调、RLHF、提示工程等大模型相关实践经验；
• 2. 参与过Agent框架的研究或开发；
• 3. 有多智能体系统、强化学习、自动规划等背景；
• 4. 有高影响力开源项目贡献或GitHub活跃记录。