美团的【基座大模型北斗实习】Agent 学习范式与长时程记忆研究薪资是多少？

该职位薪资范围为 8k–15k（人民币/月）。

【基座大模型北斗实习】Agent 学习范式与长时程记忆研究的工作地点在哪里？

该职位工作地点位于北京市。工作形式为仅现场办公。

该职位要求本科学历及无经验要求工作经验。

🤖 AI 估测：¥8K-15K

发布时间：22 天前

这是一个专注于下一代智能体（Agent）系统前沿研究的实习岗位

你将围绕Agent的持续学习、原生规划与建模、跨时程记忆三大核心能力展开探索，涉及在线学习、自博弈、世界模型、生成式规划、长上下文记忆等关键技术

目标是让Agent在开放环境中具备持续学习、适应和提升的能力

探索 Agent 的学习范式：online learning/自博弈/自进化：围绕任务自动生成—轨迹采集—反馈建模—经验提炼—策略更新的闭环展开探索，重点尝试失败驱动的课程生成、自我反思与回溯、多智能体自博弈、基于验证器或多数投票的弱监督反馈，以及将经验写入外部记忆或压缩回模型参数的近在线更新机制

核心目标是让 Agent 在开放环境中逐步具备持续学习、持续适应和持续提升的能力

Agentic-native model 范式：扩散模型/世界模型/生成式规划：探索三类互补路径：其一，学习可供 Agent 调用的世界模型，用于预测状态转移、环境反馈与长期结果

其二，用扩散式或潜变量式生成机制，对动作序列、子目标或未来轨迹进行并行采样与迭代修正，提升长程规划能力

其三，把生成式规划与搜索/验证结合，通过 imagined rollouts、候选轨迹打分、反事实比较和分层计划，把先想后做的能力落实到系统

超长上下文与记忆：围绕记什么、记成什么形式、何时写、如何压缩、何时召回、何时遗忘这几个核心问题开展研究，重点探索分层记忆结构、事实/经验/工作记忆协同、主动写入与更新、基于任务反馈的记忆读写策略学习，以及长上下文与显式记忆协同的系统设计，以支撑长时程规划、多轮任务连续性与个体化经验积累

计算机、人工智能、数学、统计学、电子信息或相关专业本科高年级、硕士或博士在读

具备扎实的机器学习基础，对以下至少一个方向有较深入理解：

大语言模型与后训练

强化学习 / Online learning / Bandit / Sequence decision making

Agent / Tool use / Planning / Reasoning

记忆增强模型 / RAG / 长上下文建模

Reward modeling / Preference learning / PRM / ORM