阿里巴巴研究型实习生-1688-Agentic AI/RL实习生
任职要求
1. 深入理解 LLM/RL/Agent 领域知识，熟悉常见的 Alignment 算法（如 DPO/PPO/GRPO/DAPO 等）； 2. 熟悉前沿 Agentic RL 算法与框架，参与过实际项目的开发与…
工作职责
1. Agent 基础设施优化：在电商垂域开展大模型 Agentic AI 的关键要素构建与优化，涵盖环境工具建设（Environment/Tools）、高质量数据合成及 Reward Modeling； 2. 后训练算法攻坚：优化 Post-training 算法（如 GRPO/PPO/SearchR1 等），提升模型在复杂环境下的工具使用（Tool-use）、规划（Plan）、深度推理（Deep Research）及报告生成能力； 3. 全流程模型迭代：参与千亿级模型的 Agentic 能力全流程优化，包括 CPT (Continued Pre-training)、SFT、Post-train 及 Multi-agent RL，负责复现业界前沿工作并探索提出新算法。
1.负责大模型后训练框架和RL训练的设计，开发和优化。支撑LLM的高效、稳定训练； 2.持续追踪并引入业界最新开源生态技术（如 Verl, Slime, ROLL, AReal 等）； 3.与搜索算法团队紧密合作，设计实现高性能的AI搜索大模型，加速最新的大模型技术在搜索场景的落地。
1、负责企业级云原生机器学习平台建设，支撑模型开发、训练、部署、上线全生命周期管理； 2、负责机器学习平台核心组件落地与优化，包含分布式训练调度、模型版本管理、模型服务化推理部署； 3、负责 GPU 算力集群精细化运营，通过资源调度、弹性伸缩、异构算力管理，优化大模型训练 / 推理成本； 4、搭建平台监控、告警、可观测体系，保障机器学习集群及业务系统高可用、高稳定； 5、对接算法、业务团队，拆解需求并提供 MLOps 标准化平台解决方案。
1. 深入1688 B2B交易场景，洞察平台买家、卖家的生意模式与经营链路，挖掘商户在支付、融资、资金管理等方面的金融需求 2. 基于商户行为数据与经营数据，构建生成式的商户金融画像，形成可量化、可规模化的商户理解能力 3. 将商户洞察能力产品化，向合作金融机构输出数据能力，赋能精准营销、风控建模与授信决策 4. 结合AI技术设计个性化金融服务方案，实现千人千面的金融产品推荐与触达策略 5. 协同风控、算法与工程团队，推动AI模型在商户理解、需求预测、智能推荐等场景的落地应用 6. 建立数据驱动的产品效果评估体系，持续追踪洞察能力的业务价值并驱动产品迭代
打造面向百万级中小商家的 AI驱动型自助经营平台，覆盖 tp诚信通自助新续、数字小店、商家成长与获客等核心场景，最终实现商家成功与平台增长的双赢。 1、深入理解TOB中小企业在开店、获客、转化、留存等阶段的核心痛点，设计并落地 AI Native 的商家增长产品，打造“轻开店 + AI找客 + 智能运营”一体化入口，规模化吸引并沉淀高价值优质供给 入驻1688 2、主导诚信通自助产品的AI化重构，基于大模型构建客户生命周期智能运营体系，包括：商家LTV预测与分层/流失风险预警与智能挽回/个性化权益与增值服务推荐，对自助续签率、优质供给增量、商家活跃度 等核心商业指标直接负责。 3、紧跟 AIGC、Agent、对话式交互等前沿技术趋势，探索其在电商B端场景的创新应用，孵化可持续的 AI商业化新模式；