主分类：Agent系统开发
辅助：AI模型评测工程（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "2027AIDU-智能体算法研究员(J102506)",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、自动化、运筹优化、软件工程等相关专业博士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位方向：面向产业级高价值算法场景，参与建设“伐谋”智能体算法系统，聚焦运筹优化、营销策略决策、科研算法实验等可验证、可审计、可持续演化的复杂任务，探索大模型、智能体、优化算法、评估体系与业务反馈闭环的融合方法。\n\n1. 负责伐谋方向智能体算法体系的研究与研发，围绕“问题建模—候选方案生成—评估验证—专家反馈—策略演化”构建可闭环运行的生产级 Agent 系统；\n2. 研究面向高价值决策任务的 Agent 架构，包括任务分解、候选策略生成、多方案搜索、工具调用、代码生成、结果评估、反思修正、长期记忆与反馈沉淀等核心能力；\n3. 建设可审计的 Agent 评估验证体系，包括任务级 evaluator、约束检查器、业务指标评估、失败模式识别、专家反馈结构化、case replay、benchmark 对比与验证报告生成；\n4. 探索 Agent 自我演化机制，不断跳出局部最优实现持续创新，结合大模型推理、强化学习、搜索算法、程序合成、优化算法与多 Agent 协作，实现候选算法/策略的自动生成、评估、筛选与迭代优化。",
"requirements_text": "1. 计算机、人工智能、自动化、运筹优化、软件工程等相关专业博士及以上学历，优秀硕士生亦可考虑；\n2. 具备扎实的算法和工程能力，能够将研究想法快速实现为可运行系统，熟悉 Python，具备良好的代码质量、调试能力和实验分析能力；\n3. 熟悉至少一种复杂任务求解方法，包括但不限于启发式搜索、局部搜索、MCTS、遗传算法、强化学习、运筹优化、约束求解、程序合成、自动调参、算法演化等；\n4. 具备评估体系建设意识，能够围绕真实任务设计评价指标、构造测试集、分析失败 case、建立 benchmark，并推动系统基于反馈持续改进；\n5. 对产业级 Agent 落地有兴趣，理解通用办公 Agent 与生产级决策 Agent 的差异，认可“可验证、可审计、可闭环、可演化”的系统建设理念。\n\n招聘部门：伐谋产品部",
"skills": [AI生成
"Python",
"强化学习",
"审计",
"分析能力",
"招聘"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/GRADUATE/cbdc8a04-785e-483e-9037-43c2b7fa873e"
}
]
},
"posting": {
"posting_id": "cbdc8a04-785e-483e-9037-43c2b7fa873e",
"post_date": "2026-07-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/cbdc8a04-785e-483e-9037-43c2b7fa873e"
},
"fulltext": "2027AIDU-智能体算法研究员(J102506)\n2027AIDU-智能体算法研究员(J102506)\n\n基础信息\n地点：北京市\n项目：AIDU项目\n类别：技术\n招聘人数：0\n发布时间：2026-07-21\n\n工作职责\n岗位方向：面向产业级高价值算法场景，参与建设“伐谋”智能体算法系统，聚焦运筹优化、营销策略决策、科研算法实验等可验证、可审计、可持续演化的复杂任务，探索大模型、智能体、优化算法、评估体系与业务反馈闭环的融合方法。\n\n1. 负责伐谋方向智能体算法体系的研究与研发，围绕“问题建模—候选方案生成—评估验证—专家反馈—策略演化”构建可闭环运行的生产级 Agent 系统；\n2. 研究面向高价值决策任务的 Agent 架构，包括任务分解、候选策略生成、多方案搜索、工具调用、代码生成、结果评估、反思修正、长期记忆与反馈沉淀等核心能力；\n3. 建设可审计的 Agent 评估验证体系，包括任务级 evaluator、约束检查器、业务指标评估、失败模式识别、专家反馈结构化、case replay、benchmark 对比与验证报告生成；\n4. 探索 Agent 自我演化机制，不断跳出局部最优实现持续创新，结合大模型推理、强化学习、搜索算法、程序合成、优化算法与多 Agent 协作，实现候选算法/策略的自动生成、评估、筛选与迭代优化。\n\n职责要求\n1. 计算机、人工智能、自动化、运筹优化、软件工程等相关专业博士及以上学历，优秀硕士生亦可考虑；\n2. 具备扎实的算法和工程能力，能够将研究想法快速实现为可运行系统，熟悉 Python，具备良好的代码质量、调试能力和实验分析能力；\n3. 熟悉至少一种复杂任务求解方法，包括但不限于启发式搜索、局部搜索、MCTS、遗传算法、强化学习、运筹优化、约束求解、程序合成、自动调参、算法演化等；\n4. 具备评估体系建设意识，能够围绕真实任务设计评价指标、构造测试集、分析失败 case、建立 benchmark，并推动系统基于反馈持续改进；\n5. 对产业级 Agent 落地有兴趣，理解通用办公 Agent 与生产级决策 Agent 的差异，认可“可验证、可审计、可闭环、可演化”的系统建设理念。\n\n招聘部门：伐谋产品部\n岗位方向：面向产业级高价值算法场景，参与建设“伐谋”智能体算法系统，聚焦运筹优化、营销策略决策、科研算法实验等可验证、可审计、可持续演化的复杂任务，探索大模型、智能体、优化算法、评估体系与业务反馈闭环的融合方法。\n\n1. 负责伐谋方向智能体算法体系的研究与研发，围绕“问题建模—候选方案生成—评估验证—专家反馈—策略演化”构建可闭环运行的生产级 Agent 系统；\n2. 研究面向高价值决策任务的 Agent 架构，包括任务分解、候选策略生成、多方案搜索、工具调用、代码生成、结果评估、反思修正、长期记忆与反馈沉淀等核心能力；\n3. 建设可审计的 Agent 评估验证体系，包括任务级 evaluator、约束检查器、业务指标评估、失败模式识别、专家反馈结构化、case replay、benchmark 对比与验证报告生成；\n4. 探索 Agent 自我演化机制，不断跳出局部最优实现持续创新，结合大模型推理、强化学习、搜索算法、程序合成、优化算法与多 Agent 协作，实现候选算法/策略的自动生成、评估、筛选与迭代优化。\n1. 计算机、人工智能、自动化、运筹优化、软件工程等相关专业博士及以上学历，优秀硕士生亦可考虑；\n2. 具备扎实的算法和工程能力，能够将研究想法快速实现为可运行系统，熟悉 Python，具备良好的代码质量、调试能力和实验分析能力；\n3. 熟悉至少一种复杂任务求解方法，包括但不限于启发式搜索、局部搜索、MCTS、遗传算法、强化学习、运筹优化、约束求解、程序合成、自动调参、算法演化等；\n4. 具备评估体系建设意识，能够围绕真实任务设计评价指标、构造测试集、分析失败 case、建立 benchmark，并推动系统基于反馈持续改进；\n5. 对产业级 Agent 落地有兴趣，理解通用办公 Agent 与生产级决策 Agent 的差异，认可“可验证、可审计、可闭环、可演化”的系统建设理念。\n\n招聘部门：伐谋产品部",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}