研究型实习生-基于形式化方法的复杂轨迹数据合成技术研究

岗位职责

研究领域： 大模型智能体 项目简介： 随着大模型技术的深入发展，智能体复杂调用轨迹数据成为模型跨越应用鸿沟，解决实际问题的关键数据；研究如何合成具有真实性与结构可控性的大模型Agent调用轨迹成为业务迫切需求。传统数据合成方法多基于统计建模或随机生成，缺乏对复杂逻辑规则与时序约束的表达能力，难以保证生成轨迹的行为合理性和语义正确性。形式化方法作为一种严谨的系统建模范式，能够利用时序逻辑、状态机或进程代数等工具，精确刻画Agent之间的调用规则、任务流程约束和异常处理机制。通过将大模型Agent系统的决策逻辑与协作协议进行形式化建模，可在生成轨迹的过程中嵌入可验证的行为规范，实现对调用顺序、分支路径、资源依赖等关键特征的精准控制。

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

Agent决策逻辑、Agent协作协议、Agent调用轨迹、AI智能体、C/C++、Golang、Java、LLM智能体、Python、业务流程约束、任务约束、发表算法相关优秀论文、可控生成、可验证行为规范、多智能体协作协议、大模型Agent、大模型算法、大语言模型智能体、容错机制、异常处理、形式化建模、形式化行为规范、形式化验证、数据真实性、时序逻辑、智能体、智能体决策逻辑、智能体调用轨迹、智能体通信协议、流程约束、状态机、算法工程化经验、约束可控生成、结构可控制性、行为决策逻辑、行为真实性、行为轨迹、语义真实性、轨迹数据、运行时规范、进程代数、错误恢复机制