阿里巴巴研究型实习生-业务技术-AI Agent应用算法实习生（SRE根因分析）
任职要求
1. 计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历，博士或有国际顶会论文发表者优先。 2. 精通Python，熟悉PyTorch深度学习框架，对LLM、Agent领域有深入研究，有AI Agent相关研发经验（如多智能体协作、决策优化、强化学习与SFT结合等）。 3. 了…
工作职责
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。
1. 参与基于AI Agent的智能运维系统研发，通过多监控指标的时序预测与自适应阈值动态建模技术，构建高效、精准的故障发现与预警体系，支撑企业级运维场景的智能化升级。 2. 探索端到端的AI算法解决方案，提升故障预测的灵活性与准确性。 3. 探索开发基于AI Agent的多监控指标时序预测方案，融合文本、日志、指标等异构数据，实现跨模态特征提取与动态关联分析。 4. 构建自适应阈值动态建模框架，结合在线学习与强化学习技术，实现阈值随业务负载与环境变化的实时调整。
1. 参与基于AI Agent的智能运维系统研发，通过多监控指标的时序预测与自适应阈值动态建模技术，构建高效、精准的故障发现与预警体系，支撑企业级运维场景的智能化升级。 2. 探索端到端的AI算法解决方案，提升故障预测的灵活性与准确性。 3. 探索开发基于AI Agent的多监控指标时序预测方案，融合文本、日志、指标等异构数据，实现跨模态特征提取与动态关联分析。 4. 构建自适应阈值动态建模框架，结合在线学习与强化学习技术，实现阈值随业务负载与环境变化的实时调整。
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。