阿里巴巴研究型实习生-AI Agent Memory方向研究
任职要求
【任职要求】 教育背景：计算机、人工智能、自动化等相关专业在读硕士或博士（高年级优先）。 技术功底：编程能力扎实，精通 Python，熟练使用 PyTorch ；熟悉常见的 LLM 开发框架（如 LangChain, AutoGPT等）。 NLP/Agent 认知：深入理解 Transformer 架构及大模型推理原理；对 RAG、prompt Engineering 有实际操作经验。 数学与逻辑：具备优秀的逻辑思维能力，对如何将非结构化的对话历…
工作职责
我们正在寻找对 AI Agent、长短期记忆机制（Memory Mechanism） 有浓厚研究兴趣和实战热情的实习生，加入我们。你将参与构建能够“持续进化”的AI Agent应用，通过设计先进的记忆系统，让模型不仅能听懂当下的指令，更能记住历史背景、理解业务偏好，并从错误中自我学习。 【岗位职责】 记忆架构设计：探索与实现面向真实业务场景的长短期记忆框架，解决多轮 对话中的上下文丢失与指代消解问题。 经验池与自我演进：研究基于历史查询经验/专家经验的增强方案，利用 Self-Reflection 或 Reinforcement Learning 技术，使 Agent 能够从历史报错或用户反馈中学习，提升复杂 问题的成功率。 前沿算法探索：跟踪 MemGPT、Generative Agents、Hierarchical Memory 等 Agent 领域的最新研究，在AI Agent 任务上验证并改进相关论文算法，产出高质量实验结论。
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. 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. 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. 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。