对话记忆算法工程师JD

Summary: Responsible for developing core infrastructure for Personal AI agent memory systems, including long-term, task, and session memory. Researches and implements memory chain technologies to optimize retrieval and support personalized dialogue while ensuring system stability and data integrity.

1. 负责Personal AI智能体记忆系统核心基建研发，搭建统一的长期记忆、任务记忆、会话记忆系统，提升智能体表现力

2. 研究并落地记忆全链路核心技术，包括记忆抽取、摘要压缩、记忆冲突消解、动态更新与遗忘机制，优化记忆检索、召回与排序能力，支撑个性化对话。

3. 跟进Agent记忆、上下文工程、对话强化学习前沿，结合业务痛点完成技术预研、落地与迭代，持续优化AI长期陪伴效果。

4. 沉淀记忆与训练评测体系，迭代数据闭环，解决对话记忆丢失、人设混乱等核心问题。

1. 全日制硕士及以上学历，2年及以上相关工作经验，计算机、人工智能、NLP、机器学习等相关专业，扎实的深度学习、大模型、强化学习基础。

2. 熟悉大模型长期记忆、记忆抽取、向量检索、RAG、上下文工程相关技术，有对话记忆系统研发落地经验优先。

3. 熟悉大模型对话系统、Agent架构，掌握RLHF、GRPO等对话对齐算法，有对话强化学习落地经验优先。

4. 具备良好的算法迭代、数据分析与问题复盘能力，能够独立完成算法设计、实验落地与效果优化。

5. 熟练掌握PyTorch等训练框架，熟悉大模型后训练、数据处理、推理部署流程，具备工程落地意识。

6. 扎实分布式系统、数据库、检索系统经验，强系统设计与工程落地能力。

7. 熟练 Go/Java/Python/C++ 至少一门。

加分项：有AI陪伴、虚拟人对话项目经验；有大规模记忆中台、向量检索系统、Agent记忆系统落地经验；有相关顶会论文/开源项目经验。