锦鲤求职岗位描述
团队介绍
我们是Shopee 的智能客服机器人团队，面向多语言、多业务场景构建新一代智能客服系统，服务广大消费者与商家。团队专注于将大语言模型（LLM）、智能体（Agent）、强化学习（RL）等前沿应用于真实客服场景，通过Post-Training、Agentic RL、Harness、Loop Engineering 持续提升模型的理解、决策、规划与执行能力。
我们已经基于 AI Agent 架构落地了全新的智能客服系统，希望进一步借助 Harness 和 Loop Engineering，对齐人类能力，推动系统从“回答问题的 Chatbot”演进为“能够理解场景、规划与执行方案并自我进化的智能客服 Agent”，达到并且超越人工客服的水平。
欢迎具备扎实研究背景、愿意在真实业务中打磨方法与系统的你加入。
岗位职责
一、围绕 AI Agent 架构与 Harness / Loop Engineering / Post-Training / Agentic RL 方向，参与或主导如下工作：
1. AI Agent 架构与 Harness（智能体架构与运行框架）
设计与迭代 AI Agent 架构（Planning / Tool Use / Memory / 多 Agent 协同等），建设工具集、上下文工程、SOP / 知识接入等 Harness，让基座模型的能力在客服场景中充分利用；
2. 推动 Agent 系统提效，通过模型分层、并行调度、上下文压缩与缓存复用等手段，降低端到端时延与推理成本。
二、Loop Engineering（数据与训练自进化闭环）
1. 建设“线上真实反馈（CSAT、转人工、人工改写等）→ 自动评估 → 训练数据生产 → Post-Training / RL → 灰度验证”的自进化闭环，让系统随真实流量持续变强；
2. 以“达到并超越人工客服”为目标，搭建自动化评估与 LLM-as-a-Judge 体系，从离线指标与业务指标共同衡量效果。
三、Post-Training 与 Agentic RL
1. 设计面向客服场景的 SFT / DPO / GRPO / PPO 等后训练策略，基于显式与隐式反馈（用户评分、CSAT、转人工、人工改写等）构造偏好与 Reward 信号；
2. 围绕 Agent 关键决策环节（动作选择、Tool 调用、澄清 / 追问策略等），设计 Agentic RL 目标与训练方法，探索 RLHF / RLAIF 在对话策略中的应用；
四、前沿实践
持续跟进 Post-Training、RL、Agent、Harness / Loop Engineering 等方向的最新研究进展并推动在业务中落地。
任职要求
1. 计算机科学、人工智能相关专业硕士及以上学历，应届或具有 1–3 年研究 / 工程经验均可；
2. 扎实的计算机与数学基础，良好的算法与数据结构能力；
3. 系统掌握机器学习与深度学习基础理论，对 Transformer 与 LLM 架构有较深入理解；
4. 至少在以下方向中 1–2 个方向具备较深研究或项目经历：
-Post-Training（SFT / DPO / GRPO 等）；
-强化学习 / Agentic RL；
-Agent 方向（Planning / Reasoning / Tool Use / Memory / Multi-Agent 等）；
-Harness / Loop Engineering（Agent 运行框架、自动评估与数据自进化闭环）；
5. 熟练掌握 Python，熟悉 PyTorch / TensorFlow 等主流深度学习框架；
6. 具备良好的英文论文阅读与技术沟通能力；
7. 对 研究 + 工程 + 业务 的交叉问题有兴趣，愿意在真实场景中验证和打磨方法。
加分项（优先考虑）
1. 具备国内外一线 AI 团队（OpenAI、Google DeepMind、Anthropic、Meta、字节 Seed、阿里通义、腾讯混元、百度文心等）Agent 或大模型项目经验；
2. 有 AI Agent 系统设计与规模化落地经验，或有 Agent 推理提效（模型蒸馏、模型路由、并行调度、上下文工程等）实践经验；
3. 在 NLP、LLM、RL、Agent 等相关方向于顶会 / 顶刊（如 ACL、EMNLP、NeurIPS、ICLR、ICML 等）有论文产出，或有完整的研究工作；
4. 有实际参与 LLM Post-Training / 强化学习（含 Agentic RL）项目的经验；
5. 有在对话 / 客服 / Agent 场景中开展 RLHF / Agentic RL 的实践经历；
6. 熟悉分布式训练与大模型优化（如 DeepSpeed、FSDP、Megatron 等）。