Embodied Agent Brain 算法研究员

1.Agent 算法框架与决策系统： 研发 Embodied Agent 核心系统框架，强化 Agent Brain 的本体感知与决策规划能力，使其能够在复杂的多模态物理环境中做出智能决策。通过算法与系统层面的深度优化，实现长链路任务的稳定泛化；有效降低系统延迟（Latency），全面提升 Agent Brain 系统的运行效率、准确率与泛化能力。
2.多模态具身记忆系统： 构建基于本体感知的多模态记忆系统，支持文本、图像、视频、音频等数据的高效存储、理解与检索。强化系统在多模态交互中的本体一致性，在兼顾效率与准确率的基础上，利用记忆系统赋能并实现用户个性化算法。
3.Agent 后训练与评测闭环： 搭建 Embodied Agent Runtime 运行环境与完善的评测体系。结合 SFT、RL、OPD 等前沿算法，高效开展 Agent 模型的后训练（Post-training）工作，持续突破模型在长链路任务中的推理与规划能力天花板。

1.知名高校本科及以上学历，计算机科学与技术、人工智能、机器人工程、计算机视觉等相关专业。在 ICLR、ICML、NeurIPS 等顶级会议以第一作者（含共一）发表过学术论文者优先；有相关算法岗位实习或全职经验者优先。
2.在机器学习、大语言模型（LLM）、计算机视觉或多模态领域，具备其中至少一项扎实的算法与工程功底。对前沿主流的 Agent 算法及开源框架有深入理解与实践经验，包括但不限于 ReAct、CodeAct、AgentScope、LangGraph 等。
3.对具身智能（Embodied AI）相关技术有系统性的了解，并对其未来发展抱有浓厚兴趣与技术热情。
4.拥抱技术演进与行业变化，熟练掌握 AI-native 的研发模式；具备极强的自主研发与技术攻坚能力，以及优秀的跨团队协作与沟通能力。