阿里巴巴业务技术-Agent应用算法工程师-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、熟悉 MoE 模型架构设计和原理，具有 MoE 模型预训练或强化学习训练实操经验者优先； 3、精通 Python 及 PyTorch/TensorFlow 等框架，具备 Qwen、Llama、Deepseek 等模型二次…
工作职责
关于我们 我们致力于把大模型 Agent 打造成“能解决业务问题的生产力系统”：不仅会对话，更能规划、推理、调用工具、洞察数据，在多个业务场景形成端到端闭环。团队长期坚持“学术先进性 + 工程可落地 + 指标可验证”三位一体，推动多项技术在真实业务中规模化应用，并持续输出可复用的训练与评测体系。 你将获得什么 ● 覆盖多模型、多尺寸的系统化训练能力：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。 ● 论文级问题 + 业务级验证：我们鼓励你做可发表的创新，同时确保每个方向都能进入线上评测与业务闭环，真正做到 有创新、有落地、有收益。 ● 完整的 Agent RL 研发舞台：从环境构建、Reward 设计、策略优化到自动评估工具链，你将能主导一条完整的 RL-Driven Agent 能力演进路径。 ● 个人影响力与成长：支持对外分享、论文/专利沉淀与跨团队共建 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、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； 3、构建 Agent RL 所需的环境与训练方法，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 搜索等方向的应用创新； 5、持续优化 Agent 算法与系统架构，构建端到端智能体评测体系，开发自动化评估工具与多维评价指标，提升系统性能与效率。
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、工具调用、RAG、记忆、长周期任务执行等方面的能力； 3、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，重点突破复杂推理、Agent记忆、自演进系统、Agentic RL等方向的技术创新； 4、持续优化Agent算法与系统架构，构建端到端的Agent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，打造业内领先的AI Agent系统级技术方案。 5、具体业务/研究场景包括但不限于：面向Agent基础设施的通用系统/组件的自优化算法、记忆系统、智能运维Agent、多Agent协作系统、Harness设计、高效后训练Pipeline等
1. 探索基于强化学习的智能运维（SRE）Agent技术，通过模拟复杂故障场景训练决策策略，构建具备根因诊断、自主决策的智能系统，结合推理规划、多轮工具调用、因果推断与反事实推理等前沿技术，推动运维智能化的突破性进展。 2. 参与核心算法设计与系统开发，探索结合因果建模与反事实推理方法，解决动态环境下的根因诊断与决策优化问题。 3. 基于真实生产数据或开源数据集，搭建故障模拟环境并定义多维度奖励函数，实现多轮工具调用能力（如日志分析、指标监控、配置管理API），构建端到端的智能运维原型系统，设计对比实验评估Agent性能，撰写技术报告并参与论文或专利撰写。
1. 探索基于强化学习的智能运维（SRE）Agent技术，通过模拟复杂故障场景训练决策策略，构建具备根因诊断、自主决策的智能系统，结合推理规划、多轮工具调用、因果推断与反事实推理等前沿技术，推动运维智能化的突破性进展。 2. 参与核心算法设计与系统开发，探索结合因果建模与反事实推理方法，解决动态环境下的根因诊断与决策优化问题。 3. 基于真实生产数据或开源数据集，搭建故障模拟环境并定义多维度奖励函数，实现多轮工具调用能力（如日志分析、指标监控、配置管理API），构建端到端的智能运维原型系统，设计对比实验评估Agent性能，撰写技术报告并参与论文或专利撰写。
1. 设计并优化职能Agent架构，包括但不限于内部业务知识利用，Agent记忆、上下文工程、工具调用、多智能体协作等，打造AI数字员工，提升职能团队整体工作效率。 2. 参与Agent模型训练过程，包括业务场景相关的SFT数据合成、Agentic RL等，设计高效的策略优化算法，结合私域知识、公域知识、历史经验等信息，通过稳定的Agentic RL，提升Agent多轮交互能力，实现AI数字员工与职能团队的协作效率提升，撰写顶会论文并进行业务落地。