米哈游｜Agent 算法研究员实习生

1）Agent 能力研发：参与 AI Native 游戏场景下智能体（Agent）核心能力研发，覆盖智能 AI NPC、AI 叙事、AI 玩法等方向，探索多轮对话、任务规划、工具调用、环境交互、长期记忆与自主决策等能力建设 2）Agent 架构实现：参与游戏场景下 Agent 核心模块的设计与开发，包括 Planning、Memory、Tool Use、Action、Reflection、Persona、State Tracking 等，协助提升智能体在复杂动态环境中的稳定性、一致性与可控性 3）训练与对齐优化：参与 Agent 相关模型与策略优化工作，包括 SFT、DPO、RLHF/RLAIF、PPO/GRPO 等方法的实现、复现与改进，提升智能体在角色扮演、剧情推进、任务执行等场景中的效果 4）记忆与数据建设：参与适用于游戏场景的 Agent Memory 体系和数据闭环建设，支持 NPC 对玩家行为、剧情进展、任务状态和角色关系等信息的记忆、检索与应用 5）工具调用与评测体系：参与 Agent 工具调用链路、环境交互机制及评测体系建设，围绕任务完成、角色一致性、叙事合理性、工具调用效果、安全性等维度进行实验与分析 前沿方向探索：跟踪 Agent、Multi-Agent、GUI Agent、Browser Agent、World Model、MCP、Agent Eval 等前沿技术进展，结合游戏业务进行技术预研、方案验证与创新尝试

1）硕士及以上学历，计算机科学、人工智能、机器学习、自然语言处理、数据科学或相关专业，优秀本科生亦可 对大模型、Agent、强化学习、对话系统或游戏 AI 方向有浓厚兴趣，具备相关科研、实习或项目经验 2）熟悉 Transformer 等基础模型原理，了解 LLM / VLM / 多模态模型及其在推理、规划、记忆、工具调用等方向的典型应用 3）熟练使用 Python，具备良好的代码能力与算法基础，熟悉 PyTorch 及常用深度学习开发流程 4）了解 SFT、DPO、RLHF、RLAIF、PPO、GRPO 等大模型对齐或强化学习方法中的一种或多种，有实际项目经验者优先 5）了解 Agent 常见技术范式，如 ReAct、Function Calling、RAG、Memory、Planning、Multi-Agent 等，有相关项目、论文复现或开源实践者优先 6）具备良好的学习能力、问题分析能力与团队协作能力，能够快速跟进前沿技术并完成实验验证与工程实现 加分项 1）有智能 NPC、角色扮演、开放域对话、交互叙事、AI 游戏玩法等相关项目或实习经历 2）有 Agent、强化学习、对话系统、多模态、游戏 AI 等方向的科研经历，在相关会议或期刊发表论文者优先 3）有 Code Agent、GUI Agent、Browser Agent、Computer Use、Multi-Agent 等方向的项目经验 4）熟悉向量检索、RAG、长期记忆系统、Eval、自动化测试等相关技术 5）有开源项目贡献、算法竞赛成绩或较强的工程实践能力 6）热爱游戏，对游戏角色、剧情、玩法和玩家体验有理解者优先