游戏多模态Agent算法实习生 - AIGC

团队介绍：游戏-AIGC部门，致力于将生成式AI落地到游戏中，包括但不限于模型、贴图、动画、场景、剧情、对话、玩法等游戏核心元素的AI生成和AI提效。部门近几年一直在游戏AI和数字人方向持续深耕，欢迎加入我们。 日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 1、构建能够“看懂游戏、发现目标、制定计划、学习Skill并持续行动”的多模态游戏Agent；Agent将融合游戏画面、文本、结构化RPC状态和历史行为，在未知或弱先验环境中完成自主探索、机制学习与长程任务执行； 2、聚焦多模态理解、目标生成、层级规划、Skill学习、长期Memory和决策评测方向，研究并实现基于LLM/VLM的游戏Agent决策框架，探索模型推理与搜索、行为树、状态机、强化学习等方法的有效结合； 3、研究长程任务规划，将高层游戏目标分解为子目标和可调用Skill，并根据执行反馈进行重规划、回退和替代路径搜索；研究自主目标生成与探索策略，使Agent能够发现未探索区域、未完成任务、能力成长路径及尚未验证的游戏机制；构建Agent Skill学习与管理机制，支持从成功轨迹中总结Skill、从失败轨迹中修正执行条件，并评估Skill的泛化性、稳定性和组合效果；研究短期Memory、长期Memory、轨迹摘要和知识检索方法，在受限上下文中维持长期任务一致性并复用历史经验； 4、建设离线与在线评测集，量化任务成功率、内容覆盖率、无效动作率、恢复能力、推理延迟和Token成本，通过对照实验定位问题并推动算法迭代；跟踪并复现GUI Agent、Computer Use、Game Agent、Embodied Agent、World Model等方向的论文与开源项目，判断技术成熟度并转化为可验证的游戏原型。 【任职要求】 1、本科及以上学历在读，计算机、人工智能、自动化等相关专业优先； 2、每周可实习4天，可连续实习4–6个月，熟练使用Python，熟悉PyTorch或主流模型推理框架，具备独立实现和验证算法原型的能力；理解Transformer、LLM、VLM、Agent、强化学习中的至少两个方向； 3、熟悉Planning、Tool Use、Skill、Memory等关键机制；对长程Agent问题有基本认识，能够分析误差累积、目标漂移、循环行为、上下文污染和奖励投机等典型问题； 4、能阅读英文论文和开源代码，判断方法的适用条件、工程约束和真实落地价值，而非仅完成论文复现；具备良好的算法分析和实验能力，能够定义指标、设计对照实验、分析失败轨迹并推导优化方向； 5、对游戏AI、具身智能或通用Agent方向有强烈兴趣，并愿意深入理解真实游戏机制。 加分项 1、有多模态模型、GUI Agent、Computer Use、游戏Agent或长程任务规划经验； 2、熟悉ReAct、Reflection、MCTS、层级规划、行为树、World Model等方法； 3、有Agent轨迹数据构建、SFT/RL训练、评测集建设或模型服务优化经验； 4、研究过Skill Discovery、Skill Library、Episodic Memory或长期运行Agent； 5、在相关方向发表过论文，或有高质量开源项目和可复现实验结果。