|
|
| |
| |
算法工程师 点击:14次
工作编号:1784648
|
/月 |
|
海尔集团公司 查看企业资料及职位
|
2026-1-26 |
| 青岛市- 5年以上经验 | 本科及以上 | 招1人 | |
|
| |
职位描述 用小程序查看更多 |
|
职责描述
1、高阶智能体（Agentic AI）设计：利用 GPT-5 / Claude 4.5 / Llama 4 等顶级模型的推理能力，设计具备自我规划（Self-Planning）、自主反思（Self-Reflection）和工具自动化调用的多智能体协同系统。
2、性格与风格精细化建模：通过 Persona-Steering 技术，在不损耗逻辑能力的前提下，精准控制智能体的语言风格、情绪阈值和特定性格标签（如 Mbti、大五人格）；针对不同业务场景（如虚拟偶像、专业顾问），构建基于 Small Language Models (SLMs) 的私有风格微调方案。
3、深层对话分析与用户画像：利用长文本技术（支持 1M+ Token）对海量对话历史进行深度挖掘，提取用户性格画像、潜意识偏好和长期意图。
4、从平台到落地的全栈协同：参与 Agentic Workflow 编排平台建设，实现算法逻辑与业务 API 的无缝集成。优化模型推理成本与延迟，在 Thinking Mode（慢思考） 与 Instant Mode（快思考） 之间实现动态平衡。
任职要求
1、研究生及以上学历，3年以上相关工作经验；
2、精通闭源/旗舰模型：深入理解 GPT-5.2 系列 的 Adaptive Reasoning 机制；精通 Claude 4.5 的代码编排与逻辑一致性；掌握 Gemini 3 Pro 的原生多模态（音视频/文本并发）输入处理。
开源/国产模型：熟练掌握 Qwen 3 (235B/Max) 的混合推理模式；具备 DeepSeek V3.2/V4（推理型 MoE）的微调与私有化部署经验；了解 Llama 4 (Behemoth) 架构下的长上下文外推技术。
前沿技术栈：熟悉 MoE (Mixture of Experts) 架构调优、Sparse Attention 以及基于 MCTS（蒙特卡洛树搜索） 的推理优化。
3、专项实战经验：有长程对话记忆（Engram Memory System）或动态知识库 RAG 构建经验。在对话风格迁移（Style Transfer）或角色模拟领域有成功落地的商业案例。熟悉 OpenCanvas 类的人机协作交互逻辑，能从算法角度优化 AI 的主动反馈机制。
4、具有较强的“产品感”，能敏锐感知 AI 对话中的“机械感”并给出算法改进建议。能够站在 AGI 普及元年的视角，思考 AI 伦理与用户隐私的边界。
|
|
| |
|
|
| |
|
