阿里巴巴算法工程师-Agent在线强化学习（T-Star Lab）

T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星”的使命与愿景，面向全球招募顶尖技术人才。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的AI技术，在有价值的业务场景落地技术成果。 1. 理论研究：负责本体约束的在线强化学习框架建模，并进行理论证明、自进化的收敛性分析 2. 算法开发：设计并实现本体增强的安全在线RL算法族、LLM-RL协同决策算法、跨大促Meta-RL与经验固化算法 3. 场景落地：在双11/618等真实大促中验证系统效果；与SRE/研发团队协作确保决策可信赖；量化评估业务价值 我们提供： 1. 丰富的数据：淘天历次大促全链路运维/研发/业务数据，全球独一无二 2. 顶级的场景：双11/618，全球最大规模在线决策试验场 3. 充足的算力：GPU/CPU集群支持大规模RL训练与模拟 4. 成熟的基础设施：成熟的监控/追踪/日志/变更管控平台作为感知与执行底座 5. 密切的协作：与平台SRE、研发、业务团队的直接协作通道 6. 导师：配备顶级业务+技术双导师，定期进行学术交流 加入我们一起构建面向下一个十年的智能决策范式！

1、核心NLU引擎研发：负责意图识别、实体抽取、情感分析、文本分类等核心NLU任务的算法设计、模型训练与优化。针对特定业务场景，构建高精度、高鲁棒性的NLU模型，并持续迭代提升效果。跟踪NLU领域的最新研究成果，并将其应用于实际业务中。 2、LLM-basedAgent构建：设计和开发基于大语言模型的智能体框架，实现复杂的任务规划、推理和工具调用。负责多轮对话管理、上下文理解和状态追踪模块的研发，打造流畅、智能的对话交互体验。探索Agent的自主学习和决策能力，使其能够完成开放域、多步骤的复杂任务。 3、RAG技术应用与优化：设计并实现高效的检索增强生成（RAG）系统，结合向量检索与大语言模型，提升回答的准确性、时效性和可追溯性。负责文档切分、向量化、索引构建以及召回、排序等全链路模块的优化。研究并解决RAG系统中的常见问题，如信息噪音、召回不准、知识冲突等，并有效减少模型幻觉。 4、工程与落地：负责算法模型的工程化部署、性能优化和线上服务的稳定性维护。与产品、工程团队紧密合作，深刻理解业务需求，推动AI技术的快速落地和商业化应用。构建完善的评测体系和数据闭环，驱动模型和系统持续改进。

1、参与贝壳全模态智能体核心能力建设，围绕大语言模型（LLM）开展增量预训练、指令微调及对齐优化（SFT / RLHF / DPO / RLAIF 等），提升模型在复杂业务场景中的推理、规划与决策能力； 2、设计与优化基于LLM的Agent系统，包括任务拆解、链式推理、多步决策、工具调用（Tool Use / Function Calling）、RAG增强、长短期记忆机制等核心能力建设； 3、构建面向垂直业务场景的智能体解决方案，提升模型在多轮对话、流程执行、结构化信息理解与生成等复杂任务中的稳定性、可控性与泛化能力； 4、推动文本为核心的全模态能力融合，探索文本与视觉、语音等模态的统一建模与对齐机制，提升跨模态理解与交互能力； 5、搭建全模态智能体的数据与评测体系，包括指令数据构建、偏好数据生成、自动化benchmark设计及效果评估，支撑模型持续迭代优化； 6、与工程、产品团队紧密协作，推动全模态智能体系统在真实业务场景中的规模化落地与性能优化。

1、参与贝壳全模态智能体核心能力建设，围绕大语言模型（LLM）开展增量预训练、指令微调及对齐优化（SFT / RLHF / DPO / RLAIF 等），提升模型在复杂业务场景中的推理、规划与决策能力； 2、设计与优化基于LLM的Agent系统，包括任务拆解、链式推理、多步决策、工具调用（Tool Use / Function Calling）、RAG增强、长短期记忆机制等核心能力建设； 3、构建面向垂直业务场景的智能体解决方案，提升模型在多轮对话、流程执行、结构化信息理解与生成等复杂任务中的稳定性、可控性与泛化能力； 4、推动文本为核心的全模态能力融合，探索文本与视觉、语音等模态的统一建模与对齐机制，提升跨模态理解与交互能力； 5、搭建全模态智能体的数据与评测体系，包括指令数据构建、偏好数据生成、自动化benchmark设计及效果评估，支撑模型持续迭代优化； 6、与工程、产品团队紧密协作，推动全模态智能体系统在真实业务场景中的规模化落地与性能优化。