AI算法工程师（GUI智能体方向）
岗位职责：
1.主导GUI智能体核心系统的算法设计与工程化落地，聚焦视觉定位（GUI Grounding） 与导航（GUI Navigation） 两大核心技术模块攻关，构建可支持跨APP自动化操作的智能体能力体系。
（1）优化界面元素定位算法，基于目标检测（YOLO系列）、语义分割（UNet）等技术，实现移动端界面控件（按钮、输入框、弹窗）的像素级精准识别；
（2）迭代长程任务规划框架，通过分层强化学习（PPO/DPO）与记忆增强技术（MemGPT等框架），解决跨APP操作的累计误差问题，将任务完成率提升至95%以上；
（3）设计领域知识融合方案，基于RAG技术构建APP操作知识库，整合界面逻辑、交互规则等数据，结合知识图谱推理约束大模型行动空间，降低新应用适配成本。
2.负责智能体算法全生命周期管理与性能优化：
（1）搭建基于PyTorch的自动化训练pipeline，实现界面截图、操作日志的数据采集、标注、清洗全流程自动化，支撑模型快速迭代；
（2）通过模型量化、剪枝、知识蒸馏等技术实现轻量化改造；
（3）建立多维度算法评测体系，通过A/B测试持续优化算法效果。
3.前沿技术探索与跨团队协作：
（1）跟踪ICML、NeurIPS等顶会的GUI Agent技术动态，探索多模态融合（视觉-语言-行为）、端云协同推理等创新方向，落地动态弹窗自适应处理等解决方案；
（2）与移动端、后端团队协同定义算法接口规范，输出模型调用文档与性能指标，配合测试团队设计算法专项测试用例。
任职要求：
1.计算机、人工智能、自动化等相关专业硕士及以上学历，4年以上AI算法落地经验，有GUI交互智能体、多模态定位或强化学习工程化项目经验者优先。
2.算法能力：
（1）精通计算机视觉核心技术（目标检测、语义分割、OCR）与序列决策模型（DQN、PPO等强化学习算法），深入理解多模态大模型的原理与应用；
（2）熟悉大模型后训练技术栈，包括SFT、RLHF/DPO等微调方法及LoRA/QLora轻量化技术，具备模型效果调优实战经验；
（3）掌握长程任务规划方法，了解知识图谱构建与检索增强生成技术优先。
3.编程与工程能力：
（1）熟练使用PyTorch/TensorFlow搭建模型训练框架，熟悉ONNXRuntime、TensorRT等推理引擎的部署流程，具备Linux环境下的工程化实践经验；
（2）能使用Git进行版本管理，编写pytest自动化测试脚本，具备算法工程化落地的完整项目经验。
（3）具备扎实的技术文档撰写能力（需提交过往算法设计文档），能高效推进跨团队协作，对智能体技术有强烈探索欲，抗压能力强且具备数据驱动的问题解决思维。