阿里巴巴数据技术及产品部-大模型RL Data工程师-长程 Agent 环境（RL 数据）

工作描述

任职要求
1. 对长程多步 agentic 任务及其失败模式有深入判断，能将真实复杂任务转化为可复现、可自动判分、难度可控且抗作弊的训练与评测环境；有 Agent 产品实测、长程任务或轨迹设计、过程级评测、RL 环境或数据经验者优先。
2. 具备很强的抽象与系统化能力，能将长任务拆解为子目标与里程碑 checkpoint，设计难度分级与变体生成策略，并把模糊的「做得好不好」落成可自动验证的过程评分，沉淀为可跨垂直复用的方法论。
3. 工程能力扎实，熟练掌握 Python（能独立编写判分器 verifier、解析长轨迹、处理大规模 rollout 数据），熟悉至少一类 agent 执行环境（终端 / shell、浏览器自动化、桌面自动化、代码沙箱或 MCP 工具编排），掌握以 mock / 录制替代真实依赖、容器化（Docker）与环境状态的重置 / 回放 / 分支。
4. 了解 Agent 核心机制（ReAct、Tool Use、Planning、多步推理与反思）与后训练范式（SFT / RLHF / 可验证奖励 RL、RLVR），理解过程监督（step-level reward）、跨步 credit assignment、reward hacking 与长上下文下的误差累积，对长程 agentic 任务的能力边界有认知或实践。
5. 领域呈 T 型即可，熟悉任一垂直（编程、数据分析、办公、科研、金融等）到能判断长任务是否贴近真实，但核心能力在长程环境与过程奖励工程、服务所有方向；有以下经验者优先：agent 评测框架 / RL 环境搭建、benchmark / 任务集构建、过程级 verifier 与自动评分器开发、大规模 roll…