1、核心NLU引擎研发：负责意图识别、实体抽取、情感分析、文本分类等核心NLU任务的算法设计、模型训练与优化。针对特定业务场景，构建高精度、高鲁棒性的NLU模型，并持续迭代提升效果。跟踪NLU领域的最新研究成果，并将其应用于实际业务中。 2、LLM-basedAgent构建：设计和开发基于大语言模型的智能体框架，实现复杂的任务规划、推理和工具调用。负责多轮对话管理、上下文理解和状态追踪模块的研发，打造流畅、智能的对话交互体验。探索Agent的自主学习和决策能力，使其能够完成开放域、多步骤的复杂任务。 3、RAG技术应用与优化：设计并实现高效的检索增强生成（RAG）系统，结合向量检索与大语言模型，提升回答的准确性、时效性和可追溯性。负责文档切分、向量化、索引构建以及召回、排序等全链路模块的优化。研究并解决RAG系统中的常见问题，如信息噪音、召回不准、知识冲突等，并有效减少模型幻觉。 4、工程与落地：负责算法模型的工程化部署、性能优化和线上服务的稳定性维护。与产品、工程团队紧密合作，深刻理解业务需求，推动AI技术的快速落地和商业化应用。构建完善的评测体系和数据闭环，驱动模型和系统持续改进。

1、学历与专业背景： 计算机科学、人工智能、机器学习、电子工程、数学等相关专业硕士及以上学历。 2、NLP 经验： 3年以上自然语言处理相关领域的研发经验，对 NLP 基础理论和常用算法有扎实理解。 3、编程能力： 精通 Python，具备优秀的工程实现能力；熟悉至少一种主流深度学习框架，如 PyTorch 或 TensorFlow。 4、大模型经验： 熟悉 Transformer、BERT、GPT 等预训练语言模型，并有实际使用和微调（Fine-tuning）大语言模型（如 Llama, GLM, GPT 系列等）的实践经验。 5、综合素质： 具备优秀的分析和解决问题能力，良好的团队协作精神和沟通能力，对技术充满热情。 专业方向（至少精通一项）： 1、NLU方向： 在意图识别、实体抽取等领域有深入研究和项目经验。 2、Agent方向： 对 LangChain、LlamaIndex 等 Agent 框架有深入理解和实践经验，熟悉 ReAct、Tool-use 等 Agent 核心思想。 3、RAG方向： 具备完整的 RAG 系统搭建经验，熟悉向量数据库和语义检索技术。