阿里巴巴智能算法产品事业部-Agent算法工程师-杭州
任职要求
1、计算机、人工智能、模式识别等相关专业硕士及以上学历，2年及以上相关工作经验。 具备以下一个或多个领域的深厚积累： a. Agent系统： 在LLM Agent方向有深入实践，熟悉主流Agent框架和范式（如ReAct、Function Calling、Multi-Agent等），有Agent规划、工具调用、记忆管理、技能进化等方向的研发经验。在Agent RL、Agent评估、Agent安全等方向有研究或落地经验者优先。 b. 大语言模型（LLM）： 熟悉主流大语言模型的原理与训练，在SFT、RLHF、模型蒸馏（Model Distillation）、提示工程（Prompt Engineering）、In-Context Lear…
工作职责
岗位职责 1、构建面向电商场景的智能Agent系统： 负责设计、开发和迭代面向商品理解与匹配的智能Agent系统，基于大语言模型（LLM）构建具备自主规划、工具调用、多步推理和记忆管理能力的Agent架构，实现商品多模态信息（文本、图片、价格等）的深度理解与智能决策。 2、Agent核心算法研发与优化： 负责Agent核心算法的研发，包括但不限于：Agent规划与决策策略、工具学习与技能进化（Tool Learning、Skill Evolution）、Agent强化学习（Agent RL、RLHF/RLAIF）、多Agent协作与博弈框架、基于检索增强的Agent知识管理（RAG + Agent Memory）等方向，持续提升Agent在复杂电商任务中的准确率与鲁棒性。 3、前沿技术探索与业务落地： 跟踪Agent领域的最新研究进展，结合商品同款匹配、价格分析、属性提取等核心业务场景，进行技术选型与方案落地。探索Agent在电商链路中的更多应用可能，如智能比价助手等。 4、Agent系统工程化与规模化： 负责Agent系统的工程化落地，设计高性能、高可用的Agent服务架构，解决大规模并发调用下的延迟、成本和稳定性问题。构建Agent效果评估体系，通过AB实验持续验证和驱动业务指标增长。
作为阿里妈妈 AI Agent 和客户成长团队的核心技术成员，你将主导下一代广告智能体系统的架构演进与策略创新。我们致力于将前沿的 LLM 与多智能体技术深度融入大规模商业决策场景，通过构建具备高度自主性与复杂推理能力的 Agent 体系，为广告主提供从精准投放到客户全生命周期运营的智能化闭环解决方案。在这里，你将探索 AI Agent 在动态博弈、长期记忆及个性化交互中的技术边界，驱动业务实现从自动化向智能化的跨越式增长。 岗位职责 1. Agent 核心架构设计与演进： 负责高并发、低延迟的 Agent 系统底层架构设计。基于状态机（StateGraph）构建复杂的多智能体协作工作流，优化任务拆解、路由分发及自我反思（Reflexion）机制，确保系统在复杂商业场景下的鲁棒性与可解释性。 2. 策略模型迭代： 结合 RLHF/DPO 等对齐技术与强化学习（RL）算法，持续迭代 Agent 的决策策略模型。针对广告投放与客户运营场景，设计基于长期回报（Long-term Reward）的优化目标，提升 Agent 在动态环境下的自适应能力与转化效果。 3. Memory 体系建设与知识增强： 主导 Agent 长期记忆（Long-term Memory）与短期上下文管理系统的研发。构建基于向量检索与图谱融合的双轨记忆架构，实现用户画像、历史交互及行业知识的精准召回与实时更新，解决长周期对话中的遗忘与幻觉问题。 4. 业务闭环落地与工程化实践： 推动 Agent 技术在广告全链路的规模化落地，负责从原型验证到生产环境的工程化迁移。通过 MCP 协议标准化外部工具集成，建立全链路可观测性体系，利用 A/B 测试与因果推断方法量化 Agent 对业务增长的贡献。 5. 前沿技术探索与预研： 跟踪 AI Agent 领域的最新学术进展，并将其转化为可落地的技术方案，持续提升团队在智能决策领域的技术壁垒。
作为阿里妈妈 AI Agent 和客户成长团队的核心技术成员，你将主导下一代广告智能体系统的架构演进与策略创新。我们致力于将前沿的 LLM 与多智能体技术深度融入大规模商业决策场景，通过构建具备高度自主性与复杂推理能力的 Agent 体系，为广告主提供从精准投放到客户全生命周期运营的智能化闭环解决方案。在这里，你将探索 AI Agent 在动态博弈、长期记忆及个性化交互中的技术边界，驱动业务实现从自动化向智能化的跨越式增长。 职位描述 1、支持阿里妈妈核心广告产品中AI Agent相关算法能力设计和优化；构建完善与科学的营销智能体评价体系，持续优化现有Agent产品的产品能力与交互体验效果，打造行业Agent标杆； 2、针对广告投放与客户运营场景，设计基于长期回报的优化目标与奖励函数，构建复杂环境反馈预估的世界模型，通过大规模强化学习与持续学习，设计高效的奖励、环境、策略模型的协同进化算法，以提升Agent在复杂营销环境下的自适应能力与业务应用效果； 3、与工程团队紧密合作，共同定义和实现Harness能力的前沿创新，如Agent架构升级、长程任务优化、上 下文管理、working memory与长期记忆、Skill编译与自进化等领域； 4、通过持续学习算法优化，hybrid-training等方法，设计高效的自进化和终生学习方法，降低token消耗与成本； 5、探索智能体auto-research在Agent效果优化与广告算法迭代的应用，基于业务真实反馈，识别当前auto-research中的效果评价与问题，并进行针对性的优化； 6、跟踪 AI Agent 领域的最新学术进展，并将其转化为可落地的技术方案，持续提升团队在Agent算法领域的技术壁垒。
1. 负责AI游戏平台的后端服务开发，实现AI游戏的逻辑串联。 2. 负责AI游戏平台的服务开发，持续优化现有服务的体验。
1、多分数最优化算法设计：负责搜索排序机制中的多目标、多分数优化算法设计，围绕相关性、转化效率、用户体验、商业收益、供给生态、流量公平性等目标，实现多目标帕累托最优解。 2、AI Agent for Strategy 实现自动化动态流量分配：负责构建面向搜索策略优化的 AI Agent 系统，将 LLM 的推理、规划、工具调用和自动执行能力应用到搜索机制策略迭代中，提升策略诊断、参数搜索、实验设计和效果分析的自动化水平。