The posting
1. 调研智能体记忆与长期学习技术:阅读并整理智能体记忆(Agent Memory)、长期记忆(Long-term Memory)、Memory Agent、检索增强生成(RAG)等方向的前沿论文,分析现有记忆系统的设计理念、技术路线及不足。 2. 复现与评测智能体记忆方法:复现典型智能体记忆框架和算法,在 Deep Research、知识问答、长程任务执行等场景中开展实验,分析记忆机制对 Agent 能力提升的影响。 3. 研究智能体记忆构建与管理机制:探索记忆生成、压缩、检索、更新和遗忘等关键技术,研究如何从历史任务轨迹、交互过程和反馈信息中提取高价值经验,并形成可复用知识。 4. 探索记忆自主进化方法:研究基于任务反馈的记忆优化机制,使智能体能够自动强化有效经验、修正错误知识、淘汰低价值信息,实现长期自主学习与持续能力提升。 5. 参与系统开发与科研成果产出:参与 Agent 记忆系统设计、实验方案制定、性能评测及论文撰写,围绕长期记忆、自主学习和智能体进化等方向形成研究成果。
1. 招募对象:本科生、硕士研究生。 2. 计算机、人工智能、数学、统计等相关专业背景优先。 3. 具备 Python 编程基础,了解机器学习、深度学习及 Transformer 基本原理。 4. 能够阅读英文论文,并具备一定的论文复现、实验设计和结果分析能力。 5. 有以下方向经验者优先:RAG(Retrieval-Augmented Generation);大语言模型(LLM)应用与微调;Agent 系统开发;持续学习(Continual Learning);强化学习或长期任务规划。 6. 本科生重点关注编程能力、学习能力和科研兴趣;硕士研究生希望具备一定的大模型研究基础和实验能力。 7. 对“如何让 AI 拥有能够不断积累经验、持续成长的记忆能力”这一问题具有长期研究兴趣,能够稳定投入科研时间。 8. 实习安排:线上线下结合;周期3–6个月;每周投入30小时以上。



