研究實習（博士）

這條線與香港科技大學的實驗室共同指導，不進產品線。目標是論文，短期不落業務——我們不指望它在這個季度產生收入，也不會因此去催它。

三個方向，任選其一。

三個方向

一、評測基準（Benchmark）

為電商經營建立自己的評測標準，並跑出三條基線的對照資料：通用 agent 的上限、垂直競品、以及人類營運的基線。最後一條最難也最有價值——要量一個 agent 做經營決策的水平，你得先知道人做到什麼水平。

產出：benchmark 論文。

二、自進化 Agent（Self-Evolving）

方向是 Self-Evolving Agents with Economic Ground Truth。

別人的自進化研究大多跑在合成的 benchmark 上——agent 在一個自己造的環境裡自我改進，改進了什麼很難說清。我們這邊的 reward 是真金白銀的經營利潤，來自真實的生意。訊號更髒，但它是真的。

產出：論文。

三、模型後訓練（Post-training）

在 7B / 14B 規模上，對工具呼叫序列與技能排程做後訓練，並在我們自己的評測基準上量出提升。

產出：論文。