RAG算法开发工程师

职位描述： 设计并实现面向智能体长短期记忆的 RAG 架构，支持上下文信息的结构化建模、语义压缩、摘要提取与内容组织； 优化多层级检索机制，结合关键词驱动的倒排索引与语义向量检索技术，提升复杂交互场景下的记忆召回覆盖度与准确率； 研究 Agent 记忆系统中的索引构建与动态更新方法，实现对文本、图像、操作日志等多模态数据的一体化表示与向量化管理； 提升检索输出的相关性与可用性，设计面向多样化任务目标的排序模型及多维度融合策略（如时效性、可信度、上下文连贯性）； 建立生成模型与记忆模块的协同框架，增强模型在响应生成中对外部记忆的感知与调用能力，重点推进基于检索的上下文筛选、关键信息注入及记忆增强生成方案的工程落地； 持续跟进语义检索、Agent Memory 结构、长上下文建模等方向的技术进展，优化系统在长期交互与复杂行为模拟中的稳定性与泛化性能。 任职要求： 计算机科学、人工智能、自然语言处理等相关专业本科及以上学历，硕士或博士优先；具备扎实的信息检索、语义理解与深度学习理论基础； 熟悉 RAG 技术架构，掌握主流检索工具与系统（如 Chroma、Qdrant、Faiss、Milvus、Weaviate），有混合检索架构设计经验； 精通向量表示学习与优化方法，具备 embedding 的训练、压缩、聚类及在线更新的实际项目经验； 具有多轮对话建模、上下文压缩、摘要生成、动态内容选取等方向的工程实践或研究背景； 理解生成模型与检索模块的协作机制，有 memory-enhanced LLM、retrieval planning、context injection 等相关经验者优先； 具备较强的系统设计、性能调优与跨团队协作能力，能推动复杂功能模块在大规模系统中的集成与部署； 在 NeurIPS、ACL、SIGIR、ICLR 等顶级会议发表过相关研究成果者优先