米哈游
【提前批-基础研究】Agent 算法研究员
【提前批-基础研究】Agent 算法研究员
发布于 大约 15 小时前普通员工/个人贡献者
上海市 / 北京市
无经验要求
全职员工
仅现场办公
硕士
研究与开发 (研发)
PyTorch
强化学习
RAG
LLM
SFT
大模型
PPO
RLHF
DPO
AI 估算 · 25k–35k
米哈游为超大型游戏公司，AI算法岗薪资竞争力强，硕士应届提前批月薪约25k-35k，年终丰厚，综合年薪可观。
职位详情
关于这个职位
该职位是米哈游AI Agent研究员，专注于游戏场景下的智能体核心能力研发，包括AI NPC、AI叙事、AI玩法等方向
你将参与Agent架构设计、训练优化、记忆系统构建以及前沿技术探索，需要较强的算法和工程能力
适合对大模型、强化学习、Agent方向有浓厚兴趣的2027届硕博毕业生
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
- 米哈游作为头部游戏公司，技术实力强，AI Agent方向处于前沿，能接触到大模型、强化学习等先进技术
- 职位涉及完整的Agent研发链路，从架构设计到训练优化，技能积累全面，市场价值高
- 提前批锁定offer，竞争相对较小，且公司福利待遇优厚，年终奖金丰厚
- 游戏AI场景复杂，需要将前沿算法与具体游戏体验结合，技术落地难度大
- 适合对大模型、强化学习、Agent方向有浓厚兴趣，具备较强科研或项目经验的2027届硕博毕业生，热爱游戏更佳
缺点 / 挑战
- 工作强度可能较高，尤其在项目关键期，需具备较强的抗压能力和持续学习能力
- 对综合能力要求高，既要懂算法又要具备工程实现能力，入门门槛较高
角色解读
- 技术深耕方向：从Agent研究员成长为AI专家，主导游戏AI核心算法研发，或转向多模态、世界模型等前沿方向
- 管理方向：逐步带领团队，担任技术负责人或AI部门负责人，统筹AI在游戏中的落地
- 创业方向：积累游戏AI经验后，可进入AI游戏创业领域，或加入顶尖AI实验室
- 负责游戏场景下AI智能体的核心能力研发，包括AI NPC、AI叙事、AI玩法等方向，涉及多轮对话、任务规划、工具调用等
- 参与Agent架构设计，实现Planning、Memory、Tool Use等模块，提升智能体的稳定性和可控性
- 进行模型训练与对齐优化，应用SFT、DPO、RLHF等方法改进角色扮演和任务执行效果
- 构建Agent记忆系统和数据闭环，支持NPC对玩家行为、剧情进展的长期记忆与检索
- 扎实的机器学习/深度学习基础，熟悉Transformer、LLM/VLM等模型原理
- 熟练使用Python和PyTorch，具备良好的算法和工程实现能力
- 了解大模型对齐技术（SFT、DPO、RLHF等）和Agent范式（ReAct、Function Calling、RAG等）
- 具备较强的学习能力和问题分析能力，能快速跟进前沿技术并完成实验验证
申请策略
- 关注米哈游的面试风格，注重算法原理和工程细节，提前准备算法题和系统设计题
- 在面试中展示对Agent技术的热情和独立思考，可以提及对米哈游游戏的了解
- 突出与Agent、大模型、强化学习相关的科研或项目经历，如论文、开源贡献、竞赛获奖
- 强调Python、PyTorch等工具熟练度，以及具体的技术细节（如SFT、DPO、ReAct等）
- 如果有游戏相关项目或对游戏的理解，需重点提及，体现与业务的契合度
- 展示快速学习能力和团队协作经验，如参与过跨团队项目或跟踪前沿技术的经历
- 深入学习SFT、DPO、RLHF等对齐技术，尝试复现Agent相关论文（如ReAct、AutoGPT等）
- 熟悉RAG、向量检索、Memory系统，动手实现简单的Agent demo
面试指南
- 对于技术原理问题：先阐述核心概念，再举例说明，最后联系实际应用
- 对于设计类问题：结构化地提出方案，包括模块划分、数据流、训练策略等，并注意权衡
- 对于项目经历问题：用STAR法则描述背景、任务、行动、结果，突出自己的贡献和思考
- 请解释Transformer的注意力机制原理，以及为什么它适合大模型
- 你如何设计一个能够进行多轮对话并执行任务的Agent？请谈谈架构
- SFT和RLHF的区别是什么？在训练中如何避免 reward hacking？
- 你做过哪些与Agent相关的项目？遇到了什么挑战，如何解决的？
- 你对游戏AI的理解？如何评估一个AI NPC的表现？
职位点评
71
综合评分
米哈游AI Agent研究员，前沿技术栈，超高成长性，但WLB一般，适合技术驱动型人才。
更适合这类人
适合追求技术成长、对AI前沿有强烈兴趣的求职者，能接受一定工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活40
使命价值70
薪资福利
80较高
薪资水平在行业中属偏高，但JD未明确具体数字，福利也未提及，只能依靠公司口碑。
薪资信号未披露（AI估算：25K-35K/月）
成长发展
95较高
职位专注于前沿AI技术（Agent、大模型），技术栈新颖，研究内容深入，个人成长空间极大。
技术前沿前沿/新兴技术
技术栈Agent、LLM、Transformer、RLHF、SFT、DPO、PPO、GRPO、RAG、Function Calling、Multi-Agent、World Model
业务类型profit_center
工作生活
40较低
要求现场办公，地点为上海或北京，通勤压力大，且未提及弹性工作或WLB，游戏公司可能加班较多。
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
70中等
游戏行业持续增长，AI与游戏结合前景广阔，但社会影响力相对中性。
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