米哈游
Agent 算法研究员
Agent 算法研究员
发布于 大约 12 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
硕士
PyTorch
RAG
LLM
SFT
RLHF
DPO
Multi-Agent
AI 估算 · 8k–12k
Agent前沿方向，技术难度高，米哈游平台大，实习薪资竞争力强
职位详情
关于这个职位
该职位专注于游戏AI智能体（Agent）的研发，包括AI NPC、对话系统、任务规划等核心能力，涉及大模型、强化学习等前沿技术
你将参与Agent架构设计、模型训练与对齐优化，以及记忆系统、工具调用等模块建设，为米哈游的AI原生游戏场景提供技术支持
适合对AI和游戏有浓厚兴趣的在校生
最低要求
）硕士及以上学历，计算机科学、人工智能、机器学习、自然语言处理、数据科学或相关专业，优秀本科生亦可
对大模型、Agent、强化学习、对话系统或游戏 AI 方向有浓厚兴趣，具备相关科研、实习或项目经验
）熟悉 Transformer 等基础模型原理，了解 LLM / VLM / 多模态模型及其在推理、规划、记忆、工具调用等方向的典型应用
）熟练使用 Python，具备良好的代码能力与算法基础，熟悉 PyTorch 及常用深度学习开发流程
）了解 SFT、DPO、RLHF、RLAIF、PPO、GRPO 等大模型对齐或强化学习方法中的一种或多种，有实际项目经验者优先
）了解 Agent 常见技术范式，如 ReAct、Function Calling、RAG、Memory、Planning、Multi-Agent 等，有相关项目、论文复现或开源实践者优先
）具备良好的学习能力、问题分析能力与团队协作能力，能够快速跟进前沿技术并完成实验验证与工程实现
工作职责
）Agent 能力研发：参与 AI Native 游戏场景下智能体（Agent）核心能力研发，覆盖智能 AI NPC、AI 叙事、AI 玩法等方向，探索多轮对话、任务规划、工具调用、环境交互、长期记忆与自主决策等能力建设
）Agent 架构实现：参与游戏场景下 Agent 核心模块的设计与开发，包括 Planning、Memory、Tool Use、Action、Reflection、Persona、State Tracking 等，协助提升智能体在复杂动态环境中的稳定性、一致性与可控性
）训练与对齐优化：参与 Agent 相关模型与策略优化工作，包括 SFT、DPO、RLHF/RLAIF、PPO/GRPO 等方法的实现、复现与改进，提升智能体在角色扮演、剧情推进、任务执行等场景中的效果
）记忆与数据建设：参与适用于游戏场景的 Agent Memory 体系和数据闭环建设，支持 NPC 对玩家行为、剧情进展、任务状态和角色关系等信息的记忆、检索与应用
）工具调用与评测体系：参与 Agent 工具调用链路、环境交互机制及评测体系建设，围绕任务完成、角色一致性、叙事合理性、工具调用效果、安全性等维度进行实验与分析
）前沿方向探索：跟踪 Agent、Multi-Agent、GUI Agent、Browser Agent、World Model、MCP、Agent Eval 等前沿技术进展，结合游戏业务进行技术预研、方案验证与创新尝试
优先资格
）有智能 NPC、角色扮演、开放域对话、交互叙事、AI 游戏玩法等相关项目或实习经历
）有 Agent、强化学习、对话系统、多模态、游戏 AI 等方向的科研经历，在相关会议或期刊发表论文者优先
）有 Code Agent、GUI Agent、Browser Agent、Computer Use、Multi-Agent 等方向的项目经验
）熟悉向量检索、RAG、长期记忆系统、Eval、自动化测试等相关技术
）有开源项目贡献、算法竞赛成绩或较强的工程实践能力
）热爱游戏，对游戏角色、剧情、玩法和玩家体验有理解者优先
AI 洞察
优缺点分析
优点
- 接触前沿Agent技术，涉及LLM、RL、多模态等热点方向
- 米哈游平台大，游戏AI需求明确，落地场景丰富
- 团队氛围技术导向，有论文发表和开源贡献机会
- 实习经历含金量高，对后续求职和职业发展助力大
- 技术栈深度广，需要快速学习并掌握多种新概念
- 实习岗位竞争激烈，需有较强的项目经验或科研成果
- 适合对AI和游戏有热情、具备扎实机器学习基础、渴望在Agent前沿领域积累经验的在校生
缺点 / 挑战
- 游戏AI对效果要求高，面临稳定性与一致性的技术挑战
角色解读
- 从实习生成长为Agent算法工程师，主导游戏AI核心模块开发
- 深入大模型对齐与强化学习领域，成为AI研究员或技术专家
- 向技术管理方向转型，带领团队探索下一代游戏AI技术
- 研发游戏AI智能体，包括AI NPC、对话系统和任务规划
- 设计并实现Agent核心模块，如记忆、工具调用和决策规划
- 优化模型对齐策略，提升智能体在角色扮演和剧情推进中的表现
- 构建数据闭环和评测体系，确保智能体的稳定性和可控性
- 扎实的机器学习基础，熟悉Transformer和LLM原理
- 精通Python和PyTorch，具备深度学习开发经验
- 了解Agent技术范式（ReAct、RAG、Memory等）和强化学习方法（PPO、DPO等）
- 良好的问题分析与工程实现能力
申请策略
- 提前了解米哈游的游戏产品（如原神、崩坏系列）和AI应用方向
- 在简历中展示对游戏和AI结合的兴趣，可附上个人Demo或项目链接
- 突出Agent或对话系统的项目经历，包括模型设计、训练和部署
- 强调强化学习或对齐方法的实践经验，如PPO、DPO
- 展示Python和PyTorch的代码能力，可提供GitHub链接
- 如有游戏相关项目或论文，务必重点描述
- 补充Agent技术栈知识，如ReAct、RAG、Memory系统
- 熟练使用Hugging Face Transformers库，动手复现经典论文
面试指南
- 对于算法原理类问题，先解释核心概念，再结合项目经验说明应用场景
- 对于设计类问题，明确需求、给出方案、分析利弊
- 对于评估类问题，从多个维度（任务完成、一致性、用户反馈）提出指标
- 请解释Transformer的注意力机制，并说明其在LLM中的应用
- RLHF的流程是什么？你在项目中如何实现PPO？
- 设计一个游戏NPC的对话系统，考虑记忆和长期交互
- Agent中ReAct模式与Function Calling的区别是什么？
- 如何评估一个AI角色扮演的好坏？
匹配度报告
69
综合匹配度
米哈游Agent算法实习，前沿技术栈，高成长性，现场办公有一定强度。
适合人群
适合追求技术成长和前沿探索的在校生，对薪资和WLB可适当妥协。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展95
工作生活50
使命价值70
薪资福利匹配
60中等
实习薪资处于市场中等水平，但米哈游福利较好（如餐饮补贴等），但JD未明确列出，整体补偿性一般。
薪资信号面议 (8K-12K/月)
成长发展匹配
95较高
该职位技术前沿，涉及Agent、LLM、RL等热点，且是核心研发岗位，成长空间极大。
技术前沿前沿/新兴技术
技术栈Agent、LLM、PyTorch、SFT、DPO、RLHF、RAG、Multi-Agent
业务类型ambiguous
工作生活匹配
50较低
要求现场办公，未提及WLB，游戏行业实习通常有一定强度，生活化满足度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
游戏AI能带来创意价值和玩家体验提升，但社会影响力相对有限。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs