职位类别：技术类 业务集团：飞猪 职位描述：1.设计和实现下一代具有推理和行动能力的AI智能体，推动其在在线旅行行业中的应用落地； 2.研究、设计并实现基于大模型的智能体训练框架，特别是Agentic Reinforcement Learning (Agentic RL) 相关算法，探索和实验多种智能体范式，如ReAct、CoT、ToT 等，并将其与强化学习相结合，开发和优化智能体的推理、规划、工具使用等核心能力； 3.大规模语言模型的预训练、有监督微调（SFT）和指令微调； 4.Multi-agent架构的设计和实现。 职位要求：1.来自全球Top高校计算机科学、人工智能、数学、物理或相关领域应届博士/顶尖硕士毕业生； 2.在国际顶级计算机会议/期刊（如NeurIPS、ICML，AAAI、ICLR、ACL等）以一作身份发表过多篇论文，或在开源社区、竞赛中展示出引领性的研究成果； 3.对大模型技术栈有深入理解，具备CPT, LLM的SFT、RLHF等调优经验； 4.对强化学习有扎实的理论基础，熟悉至少一种主流RL算法（如PPO、DQN、SAC等），理解Agentic RL 的核心思想，即大模型作为智能体的“大脑”进行推理和规划，而RL则用于优化其策略和行动序列，有实现智能体工具使用和函数调用能力的经验； 5.扎实的编程基础，熟练掌握Python，至少熟悉PyTorch或TensorFlow之一的主流深度学习框架； 6.具备强烈的求知欲、优秀的问题解决能力和团队协作精神。