职位目标
我们需要一位在多模态AI Agent领域有实战经验的专家，专注提升GUI智能体（桌面/网页自动化） 在复杂环境中的性能。您将核心优化Agent的规划推理（Planning）、任务落地（Grounding）及检索增强生成（RAG） 模块，推动任务执行成功率和泛化能力突破。
核心职责
1、RAG系统优化；
1）设计融合视觉与GUI结构化数据（UI树/HTML）的轻量化RAG方案；
2）开发高精度指令-动作匹配机制，降低大模型依赖；
3）构建动态知识库应对界面频繁变更场景；
2、Planning & Grounding 开发；
1）创建强鲁棒性分层规划框架（Hierarchical Planning），支持实时任务重规划；
2）建立指令-动作映射模型（如“上传文件” → 具体点击/输入序列）；
3）采用模仿学习（IL）强化动作决策稳定性；
3、模型调优与落地
1）调优视觉语言模型（VLMs）的GUI元素识别与跨屏推理能力
2）开发数据合成策略解决训练数据稀缺问题
3）定义可量化的评估指标（任务成功率/响应延迟）并推动工程落地
任职要求
必须条件：
项目经验 > 理论背景：
1、3年以上AI模型开发经验，独立完成过2个以上端到端Agent项目；
2、精通RAG架构优化（非仅使用现成方案）；
3、有Planning & Grounding模型开发履历（提供案例简述）。
工程能力优先：
1、掌握PyTorch/TensorFlow大规模训练，熟练处理GUI数据结构（DOM/可访问性树）；
2、具备在有限算力（如消费级GPU）实现高效推理的优化能力。
优先条件：
1、有Selenium/Playwright等自动化框架二次开发经验；
2、通过RLHF等技术解决过GUI动作失效问题；
3、发表过Agent/Planning相关论文或开源高星项目。
团队协作
1、与工程团队协作建立轻量化测试管道（非高保真仿真）；
2、主导制定GUI Agent性能评估标准；
3、指导初级成员完成模块迭代。