算法实习生-企业级事业部

岗位职责（具体工作内容）

1. 智能决策与算法建模：参与用户行为预测、价格弹性建模及多目标决策优化，探索深度学习、因果推断、强化学习（RL）等方法，解决真实业务场景中的复杂建模与策略优化问题。

2. 模型架构探索与优化：参与模型结构设计、训练策略优化及算法迭代，研究多任务学习、异质性建模、序列决策等技术，提升模型的预测能力、泛化能力与决策效果。

3. Agentic Model Development：探索基于 AI Agent / Harness 的模型自主迭代机制，构建涵盖算法方案生成、代码开发、实验执行、自动评估与反馈优化的闭环，推动 AI 驱动的算法研发。

4. 实验评估与工程落地：参与大规模数据分析、离线实验、策略回测及线上 A/B 实验，完善模型训练与评估流程，推动算法在真实业务中的持续优化与落地。

任职资格（学历、目标院校、语言、技能、性格等要求）

1. 计算机、人工智能、数学、统计学等相关专业本科及以上在校生，具备扎实的机器学习、深度学习与概率统计基础。

2. 熟练掌握 Python、SQL、PyTorch 等工具，具备独立完成模型开发、训练、调试与实验分析的能力。

3. 具备较强的 AI Coding 能力，熟悉 Claude Code、Codex、OpenCode 等 AI 编程工具，能够将 AI 深度融入日常研发工作流，独立完成复杂功能开发、代码重构与问题排查。

4. 对算法研究与工程实践有热情，具备良好的技术探索能力，能够快速学习、理解并复现前沿论文或开源项目。

5. 具备良好的问题分析能力、代码质量意识和实验严谨性，能够独立思考并推动问题解决。

加分项：

1. Agent / Harness 开发经验：有 AI Agent、Coding Agent、Multi-Agent 或 Agent Harness 相关项目经验，熟悉工具调用、任务规划、上下文管理、MCP、Skills 等机制。

2. AI 驱动的算法研发经验：使用过 Claude Agent SDK、OpenAI Agents SDK、LangGraph、DeepSeek Harness 等框架，或有类似 AutoResearch 的自动化实验、模型自优化系统实践经验。

3. 算法研究经验：在强化学习（RL）、因果推断（Causal Inference）、推荐系统、多任务学习等方向具有研究或项目经验。

4. 工程与开源经验：熟悉 Spark / PySpark、分布式训练或实验管理工具；在 GitHub 有高质量开源项目、技术贡献或相关研究成果。