阿里巴巴业务技术-Agent数据算法工程师-供给智能
任职要求
1、计算机/人工智能/数学等相关专业硕士及以上学历（博士及顶会论文发表者优先）； 2、具有大模型预训练数据构建Pipeline搭建经验者优先，具备路径级（CoA）数据采集与质量评估经验者优先； 3、精通Python及PyTorch/TensorFlow等框架，具备Qwen、Llama、Deep…
工作职责
关于我们 我们正在淘天复杂业务场景中构建“可持续进化”的 AI Agent：不仅能回答问题，更能从每一次交互中学习、反思并自我优化。团队聚焦 高质量训练数据闭环 与 Agent 自动化评测体系 两大核心方向，在商家经营、智能决策等高复杂度场景中持续落地，已形成从数据采集、质量评估、清洗增强到模型训练与线上验证的完整飞轮。 我们相信，高质量、可扩展的路径级（Chain-of-Action, CoA）数据是 Agent 能力跃迁的燃料。当前，我们正系统性构建面向规划、推理与工具调用的自动化数据生产与评估基础设施，期待你的加入。 你将获得什么 ● 在丰富的真实业务场景中验证价值：技术迭代直接应用于公司的Agent平台，影响成百上千真实业务场景的Agent，快速进入线上验证闭环，获取业务价值和真实反馈。 ● 对Agent数据构建和评估的深刻理解：从大规模轨迹数据采集、多维质量评估指标设计，到 SFT/RL 训练数据增强与人机协同标注体系，既能做算法创新，也能打造高可用数据基建； ● 充分的业务场景真实数据与计算资源： 团队训练资源充足，能在不同架构/不同规模模型上完成微调、对齐与能力专项提升，并形成可复用的训练范式，充分利用各种开源/闭源模型的能力。 ● 个人技术成长：支持多元化方向发展，鼓励对外分享与论文/专利沉淀。 岗位职责 1、主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的应用架构设计、数据构建、模型训练与评测； 2、重点探索模型后训练数据质量评估和清洗Pipeline的体系化构建，构建高质量路径级（CoA）训练数据的自动化校验和清洗方案； 3、运用SFT、RL等Post-training训练方法，提升大模型在自主规划（Planning）、多步推理、RAG增强生成、工具调用、数据问答等方面的能力； 4、跟踪LLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点关注模型评测Benchmark、数据构建、Agent自动化评测等技术和应用方向； 5、结合AI基建产品构建起人机协同的Agent训练数据质量和规模的持续提升优化技术能力，为各垂类Agent构建起高质量的训练数据池。
1. 负责商业增值业务场景中大模型的技术落地，支持业务目标提升； 2. 负责大模型在智能助手、电销、IM等交互式对话场景中的应用，提升场景的自动化与智能化水平，改进商家的交互体验，提升广告供给； 3. 负责大模型在经营诊断分析、多模态创意生成等内容生成类场景中的应用，降低平台和商家的运营成本，提升运营效率； 4. 负责大型语言模型的微调、偏好对齐、知识增强等技术探索，积极跟进AIGC业内应用趋势，包括并不限于多模态、RLHF、Agent等方向； 5. 与其他团队密切合作，包括数据工程师、前后端工程师、产品经理等，实现高质量的产品和解决方案。
1、参与或负责剪映CapCut、即梦、醒图等产品的后端核心链路工作，后续重点是向AI后端架构演进； 2、视频工具：参与剪映CapCut视频编辑器及AI能力的研发工作，包括但不限于智能成片，多轨道编辑器，数字人，音乐生成，生图生视频等核心AI能力； 3、内容生态：参与剪映CapCut模板内容生态的研发工作，包括模板作者增长、作者激励、模板分发等核心链路； 4、AI基建：参与AI网关能力建设，包括排队、审核、流量调度、限流等基础能力，同时参与AI算法工程优化、推理加速等； 5、商业化：参与会员营收链路的建设工作，包括权益供给、订单交易、权益消费、营收增长等核心链路，同时精细化各种商业化相关策略，保障业务营收&用户体验的双赢； 6、即梦：参与即梦生图、生视频、数字人核心链路、即梦内容社区、故事Agent、创作Agent等工程研发工作，保障核心链路稳定性、做好架构升级演进、优化成本和性能。
AI Business成立于2023年4月，是阿里国际数字商业集团设立的一层业务组织，专注于AI技术能力建设和AI产品能力输出，旨在用最先进的AI技术重塑平台竞争力，为商家和用户带来极致的电商体验。 作为跨境电商领域的AI先锋，我们坚定地相信人工智能对塑造未来电商的关键作用，并坚持对AI领域人才的培养和发展。我们已经汇聚了业内顶尖的AI算法专家、AI工程师和AI产品团队，并诚挚邀请有共同使命感、追求创新与卓越的AI人才加入我们的团队，共同用AI技术书写数字商业领域的新篇章。 1、应用各类机器学习方法为大模型训练提供高质量训练数据，包含文本、图片、视频、音频等数据类型，探索基于AIGC的数据合成技术，不断提升数据对大模型上表现的贡献，追逐Data-centric AI的数据技术能力 2、建设跨境电商领域的Knowledge Base，从而构建服务阿里跨境电商的RAG、AI Agent 3、在通用BenchMark、业务领域BenchMark基础上，建设大模型自动化评测能力，通过模型评测进行科学数据供给和大模型训练
1、主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的应用架构设计、数据构建、模型训练与评测； 2、运用SFT、RL等Post-training训练方法，提升大模型在自主规划（Planning）、多步推理、RAG增强生成、工具调用、数据问答、文案生成等方面的能力； 3、构建Agent RL所需的环境、训练方法，设计合理的Reward Function和优化函数，激发模型在垂直领域内的泛化性，探索无/少人类专家样本依赖的Agent优化方案； 4、跟踪LLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点突破工具集成复杂推理、数据洞察、AI搜索、图像连续编辑、GUI Agent等方向的应用创新； 4、持续优化Agent算法与系统架构，构建端到端的智能体评测体系，开发自动化评估工具与多维评价指标，提升Agent系统性能与效率