Agent算法工程师

1. 探索 AI 驱动的自主物质科学发现闭环，构建大模型驱动的材料发现与优化决策自进化智能体，推动通用材料研发 AI 新范式；
2. 负责科学场景下 Agent 系统的设计与落地，包括任务规划、工具调用、多轮交互、记忆机制与执行轨迹管理，打通从假设生成到实验验证的完整链路；
3. 主导大模型后训练工作，围绕材料科学垂域开展数据构建、SFT、偏好优化与强化学习训练，持续提升模型在专业任务上的表现；
4. 构建 Agent Harness 与评测体系，搭建实验环境、轨迹采集与自动化评测框架，支撑 Agent 能力的持续迭代与自进化；
5. 跟踪 Agent 与 AI4S 前沿进展，参与论文、开源项目与技术成果产出。

1. 计算机科学、人工智能、自动化或相关专业硕士及以上学历，2 年以上大模型或 Agent 方向工程与研发经验；
2. 满足如下项目中的任意一项
2.1 具备 LLM Agent 系统的完整开发经验，独立或主导实现过 Agent 的规划、工具调用、多轮执行等核心模块，熟悉主流 Agent 框架（LangChain、AutoGen、Dify 等）；
2.2 具备大模型后训练实操经验，独立完成过 SFT / DPO / RLHF 等训练流程，熟悉训练数据构建、清洗与质量控制，有实际调优并产生效果提升的案例；
2.3 具备 Harness 或评测系统建设经验，做过实验平台、轨迹采集、自动化评测或 Benchmark 建设，能够将模糊的能力需求转化为可量化的评估指标；
3. 优秀的工程能力，熟练使用 Python、PyTorch 与 Linux，具备扎实的数据结构与算法基础，能够独立完成从原型到落地的全流程实现；
4. 熟悉 Transformer 架构，了解 Diffusion Model、强化学习、贝叶斯优化等方法中的一种或多种；
5. 具备较强的独立问题分析与解决能力，能将开放性科研问题拆解为可实现、可验证的工程方案；
6. 良好的沟通表达能力，能够与材料、化学等跨学科团队高效协作。

加分项：
1. 有 Self-Evolving Agent、Self-Reflection、自动化科学发现（AI Scientist）等方向的研究或工程经验；
2. 有 AI4S 相关项目经历，或在材料、化学、生物等科学场景下的模型落地经验；
3. 有大规模分布式训练、大模型推理优化或 Agent Infrastructure 实践经验；
4. 在 NeurIPS、ICML、ICLR、ACL 等会议发表过相关论文，或参与过有影响力的开源项目。