顶尖应届-OS Agent算法研究员-软件

优缺点分析

角色解读

• 在AI顶会发表论文，积累学术影响力，成为行业顶尖研究员
• 从研究员向技术专家或架构师发展，主导端侧Agent核心算法
• 可转向产品化落地，推动研究成果在公司业务中应用
• 研究多层级路由架构，设计端侧轻量分级器，提升决策准确性与响应速度
• 攻关端云协同调度，实现意图竞速与弱网降级，构建Plan-Execute-Learn闭环
• 研究多智能体协同框架，优化工具调用链路，支持复杂任务分解与执行
• 深入理解LLM Agent、工具调用与任务规划，具备相关研究或工程经验
• 掌握深度学习框架（PyTorch），有C++/Python开发能力
• 熟悉强化学习、多智能体系统或分布式调度，有端云协同经验更佳

申请策略

• 关注小米在AI Agent领域的布局（如小爱同学），面试时展现业务理解
• 准备一个端侧Agent相关的项目或研究案例，体现从规划到落地的能力
• 突出博士期间与LLM Agent、任务规划、工具调用相关的研究成果和论文
• 强调强化学习、多智能体系统或端云协同的实践经验
• 展示C++/Python和PyTorch等工程能力，尤其是端侧优化经验
• 深入学习强化学习（如PPO）和多智能体协同算法
• 了解端云协同架构，补充移动端优化知识（如模型压缩、量化）

面试指南

• 先明确问题核心（如延迟vs准确性），再提出具体技术方案（如级联模型、量化），最后量化预期效果
• 结合自身研究，从理论（算法）和工程（实现）两个维度展开，体现深度和落地思考
• 如何设计一个端侧轻量分级器以平衡准确率和延迟？
• 讲述Plan-Execute-Learn范式在端侧Agent中的应用，如何解决长程错误传播？
• 在多智能体协同中，如何进行任务分解与冲突解决？
• 你之前的研究或项目中，如何优化工具调用链路的准确性？
• 复习LLM Agent论文（如ReAct、Toolformer），了解最新进展
• 准备一个端云协同的案例，包括架构设计、调度策略和实验结果