锦鲤求职岗位描述
岗位介绍
你将加入 Monee AI Agent 核心团队，构建能够理解用户目标、调用工具、使用知识与记忆，并完成复杂任务的下一代智能体。
你将参与产品定义、算法设计、原型验证和线上落地全流程，应用场景覆盖 C 端金融 App/服务及内部工作流产品。
岗位职责
1. Agent 决策与任务执行
研发任务规划、任务分解、反思纠错、执行恢复和多步决策算法。
研究 Function Calling、MCP、Skills 和工作流编排，提升工具选择、参数生成及任务执行成功率。
探索多 Agent 任务委派与协作，解决循环调用、错误传播、状态丢失等问题。
2. Context、Knowledge 与 Memory
研发上下文筛选、压缩、重排和动态构建等长上下文管理策略。
建设金融领域 Knowledge Base，研发 RAG、Search Agent、混合检索、Reranking 和答案归因能力。
探索会话、个人及团队记忆的写入、召回、遗忘、冲突处理和权限隔离机制。
3. Post-training 与行为优化
参与模型评测、数据构建、SFT、偏好优化、强化学习、蒸馏及推理优化。
构建 Agent 轨迹、工具调用、失败案例和偏好数据，形成基于人工、用户及模型反馈的数据闭环。
探索 DPO、GRPO、RLHF/RLAIF 等方法，提升指令遵循、意图理解、领域适配和多轮对话能力。
4. 评测、诊断与数据飞轮
建设覆盖任务完成率、工具调用、事实性、完整性、鲁棒性、安全性、延迟及成本的评测体系。
结合 AI Judge、规则、沙盒和人工评测，定位幻觉、意图错误、错误调用及任务失败原因。
建立“问题发现—失败归因—数据生成—训练优化—回归评测”的持续改进闭环。
5. 系统优化与业务落地
参与模型服务、推理加速及端云协同架构设计，支持高并发、低延迟、低成本的 Agent 服务。
关注金融场景中的事实准确性、隐私保护、权限控制和操作可追溯性。
通过离线评测、在线实验和用户反馈验证算法价值，持续提升任务成功率、用户体验和业务效率。
6. 前沿技术探索
跟踪 Agentic RL、自进化 Agent、长期记忆、多模态、主动服务和分布式 Agent 等方向。
将有价值的研究想法快速转化为可评测原型并推动线上落地。
任职要求
1.2027 届计算机、人工智能、机器学习、软件工程、自动化、数学等相关专业毕业生。
2.具备扎实的机器学习、深度学习或自然语言处理基础，理解 Transformer 及语言模型训练、推理原理。
3.熟练使用 Python，具备良好的算法、工程实现和代码质量意识。
4.有大模型训练、评测、部署或推理优化实践。
5.对以下至少一个方向有较深入的研究或项目经验：
大模型 SFT、偏好优化、强化学习、蒸馏或推理优化；
Agent 规划、工具调用或多步任务执行；
RAG、搜索、知识库或长期记忆；
多 Agent、分布式系统或端云协同；
LLM 评测、AI Judge、数据合成或失败诊断。
6.能将开放问题转化为可验证假设，设计实验并根据结果持续迭代。
7.具备良好的沟通协作能力，对构建真实可用的 AI Agent 有强烈兴趣。
加分项
1.在 NeurIPS、ICML、ICLR、ACL、EMNLP、KDD、SIGIR、AAAI 等会议或期刊发表过高质量成果。
2.在 LLM、Agent、检索、强化学习、多模态或分布式系统方向有深入研究。
3.对主流模型、推理框架或 Agent 开源项目有实质性贡献。
4.完整实现过 Agent、RAG、Search Agent、RLHF、浏览器自动化或模型训练部署项目，并有可信评测结果。
5.有优秀 AI 团队、实验室、开源社区实习合作或高水平竞赛经历。
6.有个人主动发起并持续迭代的技术项目。