研究实习（博士）

这条线与香港科技大学的实验室共同指导，不进产品线。目标是论文，短期不落业务——我们不指望它在这个季度产生收入，也不会因此去催它。

三个方向，任选其一。

三个方向

一、评测基准（Benchmark）

为电商经营建立自己的评测标准，并跑出三条基线的对照数据：通用 agent 的上限、垂直竞品、以及人类运营的基线。最后一条最难也最有价值——要量一个 agent 做经营决策的水平，你得先知道人做到什么水平。

产出：benchmark 论文。

二、自进化 Agent（Self-Evolving）

方向是 Self-Evolving Agents with Economic Ground Truth。

别人的自进化研究大多跑在合成的 benchmark 上——agent 在一个自己造的环境里自我改进，改进了什么很难说清。我们这边的 reward 是真金白银的经营利润，来自真实的生意。信号更脏，但它是真的。

产出：论文。

三、模型后训练（Post-training）

在 7B / 14B 规模上，对工具调用序列与技能调度做后训练，并在我们自己的评测基准上量出提升。

产出：论文。