均胜电子
Agent研究员
Agent研究员
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Agent架构
Memory系统
Multi-Agent
Pytorch
Rlhf
具身智能
大语言模型
强化学习
机器人仿真
值不值得投
72综合评分
综合评分 72
前沿具身智能Agent研究岗，技术成长强、方向稀缺，薪资未披露、节奏偏快
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
比具身智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
17 个在招 · 其中具身智能 13 个
市场机会
选择不多
宁波 · 具身智能 · 1 个在招
职位详情
关于这个职位
作为具身智能方向的核心研究员，你将负责设计并构建机器人“大脑”——包括Agent运行架构与控制回路、长短期记忆系统、持续学习与多智能体协同框架，让机器人能够在“感知-思考-行动”的闭环中自主完成任务并不断进化
最低要求
计算机科学、人工智能、机器人学、自动化或相关专业的硕士/博士学位
深入理解主流大模型的原理、Tokenizer机制、上下文窗口限制及Fine-tuning等技术
精通 Python/C++，具备扎实的算法与数据结构功底，熟悉PyTorch
精通主流Agent框架，有从0构建复杂Agent系统的实际项目经验
熟悉主流机器人仿真软件，如NVIDIA Isaac Sim、mujoco、gazebo、pybullet等
有将前沿学术研究迁移、适配并落地到商用机器人系统的经验，熟悉算法工程化与性能调优流程
能够适应快速发展的初创公司环境，对新知识充满学习欲望，具备快速适应变化的能力
优秀的沟通能力和团队协作精神
英语可用于日常工作沟通
工作职责
智能体核心架构设计（Agent Harness Building）
· 设计并开发高可用、低延迟的Agent运行容器与控制回路，实现感知、思考、行动的闭环
· 构建统一的工具调用（Tool Use）与环境交互接口，确保具身大脑能安全、精准地操控异构的机器人执行机构或软件 API
长短期记忆系统研发（Memory Module）
· 设计多级记忆架构（比如：基于KV缓存的短期工作记忆、基于向量数据库和知识图谱的长期检索记忆）
· 开发记忆的压缩、遗忘与抽象固化机制，让Agent在使用过程中沉淀经验，避免上下文灾难
持续学习与演化机制（Continuous Learning Module）
· 构建基于环境反馈（RLHF/RLAIF）的在线数据收集与自动化微调流水线
· 设计Agent的反思与自进化机制，使其在没有人工干预的情况下，通过尝试与错误提升任务成功率
多智能体协同网络（Multi-Agent System）
· 设计多Agent的通信协议、辩论机制与协作框架（如 SOP 编排、层级化管理架构）
· 解决多Agent协同中的信息不对称、死锁、群体决策冲突及博弈问题，实现复杂大规模任务的分布式求解
AI 洞察
优缺点分析
优点
- 处于具身智能与大模型Agent交叉的前沿赛道，技术方向新、成长天花板高
- 岗位覆盖Agent架构、记忆、持续学习、多智能体全链路，能力锻炼全面
- 有从0到1构建系统的空间，能积累可复用的完整工程与研究经验
- 技术难度高，需同时懂大模型、强化学习与机器人系统，跨学科门槛大
- 适合具备大模型/Agent研究或工程背景、热爱前沿探索、能适应快速变化环境的硕博人才
缺点 / 挑战
- 初创式团队节奏快、方向探索性强，可能面临目标频繁调整与较高不确定性
- 多智能体协同与持续学习属行业难题，短期落地效果存在挑战
角色解读
- 沿具身智能/AI研究员路线深耕，逐步成长为Agent架构负责人或具身大脑技术专家
- 可向AI研发团队管理或跨模态、多智能体系统等更前沿方向拓展
- 借助大模型与机器人交叉领域积累，具备很强的行业迁移与稀缺性优势
- 设计并构建机器人“大脑”的核心Agent架构，实现感知-思考-行动闭环与工具调用接口
- 研发长短期多级记忆系统，让Agent在运行中沉淀经验、避免上下文灾难
- 搭建基于环境反馈的持续学习与自进化流水线，并设计多智能体通信与协作框架解决复杂任务
- 深入理解大模型原理、Tokenizer、上下文窗口与Fine-tuning机制
- 精通Python/C++与PyTorch，具备扎实算法功底，并有从0构建复杂Agent系统的实战经验
- 熟悉主流Agent框架与Isaac Sim、mujoco等机器人仿真环境，具备算法工程化落地能力
申请策略
- 提前了解均胜电子在具身智能与机器人领域的业务布局和产品方向
- 准备清晰讲述自己在Agent/具身智能方向的判断与思考，体现研究与工程并重的能力
- 突出从0到1构建Agent系统的完整项目，量化说明架构、工具调用与效果指标
- 展示大模型原理理解与Fine-tuning、RLHF等实操经验，附相关论文或开源项目
- 强调Python/C++与PyTorch工程能力，以及机器人仿真（Isaac Sim/mujoco等）使用经验
- 体现将学术研究落地到实际系统的案例，说明性能调优与工程化过程
- 补齐多智能体协同、记忆架构（向量数据库+知识图谱）相关的系统设计与实践
- 强化强化学习与在线微调（RLHF/RLAIF）流水线的动手经验
面试指南
- 用“背景-方案-取舍-结果”结构讲述项目，突出技术判断与量化效果
- 遇到开放设计题时，先澄清目标与约束，再分层给出架构与备选方案，体现系统性思考
- 对难题坦诚边界，说明验证方法与迭代思路，而非只给结论
- 请描述你从0构建一个复杂Agent系统的架构设计与关键技术决策
- 你如何设计长短期记忆系统？向量数据库与知识图谱如何配合？
- 请谈谈多智能体协作中的死锁或决策冲突，你会如何解决？
- 你如何搭建RLHF/RLAIF的在线数据收集与微调流水线？
- 你如何把前沿学术成果迁移落地到商用机器人系统并做性能调优？
职位点评
薪资福利68
成长发展90
工作生活50
使命价值82
薪资福利
68中等
职位未披露薪资与福利细节，但硕士/博士门槛与前沿技术方向通常对应较有竞争力的薪酬，稳定性取决于团队独立运营情况。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
处于大模型Agent与具身智能交叉前沿，覆盖架构、记忆、持续学习、多智能体全链路，技术成长与稀缺性积累极强。
技术前沿前沿/新兴技术
技术栈Agent、大语言模型、Memory系统、向量数据库、知识图谱、RLHF、RLAIF、Multi-Agent、Python、C++、PyTorch、Isaac Sim、mujoco
业务类型profit_center
工作生活
50较低
JD未明确办公模式与工作节奏，但强调需适应快速发展的初创公司环境与快速变化，可能意味着节奏偏快、弹性有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
82较高
面向通用具身大脑与商用机器人系统，处于高速增长的具身智能赛道，技术落地具备较强的行业与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs