阿里巴巴Agentic Post-Training算法实习生
任职要求
1. 深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位，业界AI/Agent团队的相关实习和工作经验； 2. 有较好工程能力，有Coding/Search Agent构建、Agent记忆系统构建、Multi-agen…
工作职责
【关于我们】 团队负责Accio Agentic模型整体后训练，核心关注coding和computer use能力，通过持续探索Agent、Agent Harness、Post-training、RL、Memory等前沿技术，自研Agent模型、Agent系统，实现B2B AI Agent跨越式发展。我们拥有充足的计算资源（H100/B200 集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围、高人才密度的团队指导。在这里，研究成果不仅能产出学术论文，还能直接作用于海量的真实B2B贸易场景。 【职责描述】 1. 核心模型演进： 深度参与大规模 Agentic LLM 的全链路研发，涵盖 Mid-train/CPT、SFT 及 RL 阶段，探索领域知识增强与多任务学习的前沿技术，表现突出者可在核心tech report中署名； 2. 工程化与基准建设： 参与构建代码库级别的 Benchmark，优化模型在多语言、多框架环境下的跨模块调用与依赖分析性能； 3. Black-box Agent RL & Online Learning a. 策略建模与优化： 深入研究 Black-box Reward/Value Function 的建模，解决 Agent 在不可导环境反馈下的策略梯度估计问题； b. 持续探索架构： 设计并实现高性能的 Online RL 框架，支持 Agent 在真实操作系统与开发环境中进行大规模并发探索与在线策略迭代； c. 长程推理研究： 针对 Long-horizon RL 场景，攻克 Credit Assignment（信用分配）难题，提升 Agent 在多步推理（Multi-step Reasoning）下的决策稳定性； 4. Computer-Use Agent 系统建设 a. 全链路数据 Scaling： 参与构建海量真实用户交互数据的自动化生产流水线，覆盖办公场景与自动化流程，实现数据的高效回流与训练闭环； b. 数字任务执行核： 开发基于 Bash、Skills、MCP（Model Context Protocol）的执行引擎，构建能够熟练使用各种 CLI 工具与数字插件的 Agent 核心模型； c. 多场景交互闭环： 探索 Agent 与真实操作系统、浏览器及专业开发环境的交互，在 Terminal、MLE-bench 等复杂基准测试中验证模型的端到端任务完成率。
Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Search Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，实现全球B2B跨境贸易跨越式发展。 1、构建Agent专用合成数据管线：设计并实现自动化的合成数据方案，重点生产高质量的思维链、工具调用和自我修正轨迹； 2、Agent交互环境搭建：构建高性能、可扩展的Agent框架和运行环境（如代码执行器、浏览器模拟器、数据库交互等），为模型提供实时反馈的环境； 3、Agentic RL：应用并改进RL算法，提升模型在长程任务（Long-horizon tasks）中的成功率和鲁棒性； 4、评估体系建设：开发超越传统基准测试的动态评估方案，针对规划能力、工具选择准确率、幻觉控制及错误恢复能力建立量化指标； 5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training。
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：风控算法团队深耕于抖音（短视频、直播、电商、本地生活等）、今日头条等多个字节系业务，涵盖内容、交易、流量、账号等多个场景的底线风险治理、黑灰产对抗及复杂反作弊等关键任务。风控场景具有对抗性极强、逻辑推理链路长及海量多模态数据等挑战。目前，团队正积极推进大语言模型（LLM/MLLM）与 Agentic AI 技术的深入研究与工业化落地。通过探索前沿的模型训练范式、自主规划的 Agent 架构以及严谨的 Harness Engineering 体系，我们致力于打造下一代智能风控基础设施，为十亿级用户的社区生态保驾护航。 1、参与风控垂域大模型基座优化：打造业内领先的风控垂域基座，深入研究CPT、SFT、RL及训练与推理加速等技术；重点攻克强对抗环境下的多模态理解难题，提升模型在超长上下文、复杂逻辑推理和指令遵循等方面的表现； 2、参与Agentic AI架构研究与演进：参考行业标杆，推进风控Agent的架构升级与工业化落地，打磨领域Skill/Tool框架，优化复杂工具调用、长短期记忆管理、长链路任务编排和多Agent协同等，打造具备自演进能力的下一代智能风控架构； 3、参与构建科学评估与Harness Engineering体系：构建高质量的领域数据集，设计科学严谨的Benchmark评测体系，构建工业级Harness Engineering系统，持续驱动模型能力边界的突破。
本职位聚焦OpenClaw相关特定任务场景，围绕“小模型缺知识、大模型落地难”的核心痛点，负责大语言模型的部署优化、大小模型协同框架搭建、小模型蒸馏及Memory优化相关工作，助力JVSClaw打造业界领先的Agent系统，支撑商业化目标达成。 核心职责包括： 1.充分利用云电脑GPU资源（以5880为主），实现小型语言模型的高效部署，兼顾部署效率与模型精度； 2.设计并落地适用于协同推理的大小模型协同框架及小模型蒸馏框架，弥补小模型专业知识不足、大模型部署成本高、响应延迟高的短板； 3.针对大模型输入窗口限制，构建短时-中时-长时多级闭环记忆系统，开发OpenClaw专属Context Engine记忆调度引擎，解决模型记忆遗忘、检索低效、引用错误、跨会话丢失等核心痛点，打造高可靠、高易用的记忆交互体验； 4.跟进行业前沿技术，持续优化模型部署性能、协同推理效率及Memory管理机制，保障系统稳定运行。
我们正在重新定义“千问”：从一个博学的对话者进化为具备执行力的数字实体。我们的核心使命是构建一套统一的认知架构，打破模型与现实世界的壁垒，实现从“语义理解”到“任务闭环”的跨越，让 AI 真正深入生产力场景，实现数字世界与物理世界的高效连接。你将参与以下研究： 1、长程任务规划能力：研究复杂任务的精准拆解、动态编排与执行反馈机制，提升长链路任务完成率； 2、记忆机制与上下文管理：研究短期/长期记忆、状态压缩、动态检索与上下文调度机制，在有限上下文窗口与资源约束下，提升跨轮一致性、任务连续性与复杂任务执行效率； 3、复杂工具的自主学习与使用：推动 skills 的自主发现、组合与演化，提升在深度搜索、Browser Use、工程开发等场景中的高阶执行与组合优化能力； 4、开放环境下的 Agentic Scaling 训练：探索类 OpenClaw 的开放任务训练范式，在兼顾资源利用率的同时，实现多 agents 的组织调度、合理的 context 管理与协同执行。