
Advisory Researcher, Model & Agent Evolution
发布于 1 小时前普通员工/个人贡献者
值不值得投
综合评分 76
前沿大模型与智能体自进化研究岗,技术成长强、业务落地要求高,办公模式与WLB信息未披露。
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
6.3万
比AI算法中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 330 个在招 · 其中AI算法 17 个
市场机会
选择面较广
北京 · AI算法 · 约 300 个在招
职位详情
关于这个职位
该职位聚焦模型与智能体自进化前沿研究,负责持续学习、Agentic RL、世界模型、长期记忆等方向的技术规划与创新
最低要求
计算机科学、人工智能、机器学习等相关领域硕士及以上学历,具有 5 年以上相关研究或研发经验(含研究生阶段项目经验)
工作职责
重要研究项目负责:负责模型与 Agent 自进化领域的重要研究项目,制定研究计划与技术方案,组织跨团队研究协作,推动研究目标达成
优先资格
在 Continual Learning、Lifelong Learning、Self-Evolving Models、Agentic RL、World Model 等方向具有研究成果
AI 洞察
优缺点分析
优点
- 研究方向处于大模型与智能体演进前沿,有助于积累高价值算法研究和技术路线判断能力
- 岗位强调真实业务落地,研究成果有机会进入端侧智能和企业级场景,技术影响面较广
- 有机会参与跨部门重要项目,积累复杂项目推进、团队协作和技术影响力建设经验
- 对论文、专利和技术成果有明确期待,适合希望兼顾研究产出与产业应用的求职者
- 自进化、持续学习和 World Model 等方向技术难度高,研究不确定性强,需要持续跟进大量前沿论文和实验
- 适合具备大模型、强化学习或智能体研究背景,同时愿意面向真实业务场景做技术转化的高级算法研究员或研究负责人
缺点 / 挑战
- 既要产出研究成果,又要理解客户需求并推动业务落地,对技术深度和业务转化能力要求都较高
- 需要承担重要项目和跨团队协调职责,沟通成本、目标对齐和结果交付压力可能较大
角色解读
- 可向资深研究专家或首席研究员方向发展,深耕大模型自进化、智能体学习和真实世界决策智能等前沿领域
- 可逐步承担更大规模研究项目和技术路线决策,成长为技术负责人或研究团队管理者
- 也可向 AI 产品与业务结合方向拓展,负责企业级智能体解决方案、端侧智能系统或行业智能化架构设计
- 负责模型与 Agent 自进化方向的重要研究项目,制定研究计划、技术方案并组织跨团队协作
- 围绕持续学习、Agentic RL、模型记忆、可信自进化和 World Model 等方向开展核心算法创新与实验验证
- 将客户和业务需求转化为研究问题,推动成果在端侧智能和企业级业务场景中落地
- 指导团队成员开展研究,沉淀论文、专利和技术成果,提升团队技术影响力
- 需要扎实的大模型、机器学习、强化学习和智能体理论基础,熟悉持续学习与自进化相关前沿方向
- 需要掌握 SFT、RLHF、PPO、GRPO、Online Learning 等训练与优化技术,并具备实验设计和系统实现能力
- 需要熟练使用 Python、PyTorch 等工具,能够独立完成算法原型、模型架构设计和实验分析
- 需要具备跨团队沟通、技术路线判断和业务抽象能力,能把研究成果转化为可落地方案
申请策略
- 申请前建议梳理联想在端侧智能、企业 AI 和智能体方向的业务布局,思考研究能力如何与业务场景结合
- 面试中尽量用具体项目说明自己如何定义问题、设计方案、推进协作并取得可验证成果
- 突出在 Continual Learning、Agentic RL、Self-Evolving Models、World Model 或长期记忆方向的代表性研究项目和实验结果
- 明确列出顶会论文、专利、重要技术项目或跨部门项目成果,量化说明技术贡献和业务影响
- 强调对 SFT、RLHF、PPO、GRPO、Online Learning 等训练优化技术的实际掌握,以及 Python、PyTorch 工程实现能力
- 展示将复杂业务需求转化为研究问题的能力,例如端侧智能、在线学习或复杂决策系统的落地案例
- 系统补齐大模型持续学习、智能体强化学习、长期记忆和可信自进化方向的最新论文与方法脉络
- 加强实验设计与系统实现能力,能够用 PyTorch 快速复现、改进并评估前沿算法
面试指南
- 项目类问题采用“背景目标—关键难点—技术方案—实验验证—业务结果—复盘沉淀”的结构回答
- 技术类问题先讲核心概念和主流方法,再结合自己的实验或项目经验说明取舍依据与效果评估
- 业务转化类问题按照“需求拆解—指标定义—研究假设—方案设计—落地验证”的思路展开,突出可衡量结果
- 请介绍一个你主导的大模型、强化学习或智能体相关研究项目,包括问题定义、技术方案和最终成果
- 你如何理解 Continual Learning、Self-Evolving AI 和 Agentic RL 之间的关系?
- 在模型持续学习过程中,如何缓解灾难性遗忘,并评估模型是否真正具备自进化能力?
- 如何将客户或业务中的复杂问题转化为可研究、可验证的算法问题?
- 请说明你使用 SFT、RLHF、PPO、GRPO 或 Online Learning 的具体经验,以及遇到的关键挑战
职位点评
薪资福利
JD未披露薪资与福利信息,但岗位要求硕士及以上学历、五年以上经验和前沿研究能力,通常对应较高专业价值。稳定性与福利信息未提及,无法进一步判断。
成长发展
岗位聚焦持续学习、自进化、Agentic RL、World Model 等前沿方向,并要求论文、专利和重要研究项目产出,发展性非常强。JD还明确涉及技术指导、跨团队研究和部门研究规划,成长空间较大。
工作生活
JD仅明确工作地点在北京,未提及远程、弹性办公、双休或加班情况,因此生活化动机满足程度无法充分判断。岗位包含重要研究项目和跨团队协作职责,但原文未直接说明工作强度。
使命价值
岗位面向模型与 Agent 自进化前沿研究,并推动研究成果在端侧智能及企业级业务场景中应用,具有较好的技术探索价值和产业应用意义。JD未直接描述社会使命或公共价值导向。
联想 的其他在招职位