阿里巴巴面向智能体的大规模可扩展的自进化强化学习环境-阿里星
任职要求
1. 计算机科学、人工智能、机器学习、数学、统计学等相关专业硕士及以上学历，博士优先。 2. 具备扎实的系统能力，精通Python/Go/C++中至少一种语言，熟悉分布式系统原理，有大规模分布式系统设计、开发经验。 3. 熟悉强化学习原理与前沿进展，对大规模RL、多智能体RL、RLHF等方向有深入理解，有相关研究或项目经验。 4. 熟悉Kubernetes架构与容…
工作职责
面向Agentic智能体大规模后训练、环境仿真瓶颈、高质量评测等核心挑战，本课题聚焦下一代大规模智能体强化学习基础设施建设，基于阿里ROCK平台与ROLL框架，突破万级并发仿真、标准化评测、海量数据自动化生产的技术瓶颈，为智能体持续自进化提供可扩展的训练底座。 1. 研究高弹性、低开销的大规模环境调度机制，突破万级智能体仿真实例并行运行的技术瓶颈，攻克异构算力高效协同与资源弹性伸缩等核心问题，支撑超大规模群体智能训练。 2. 研究多场景、全覆盖的标准化智能体Benchmark评测体系，构建统一的能力度量与算法迭代验证底座，解决当前智能体能力缺乏统一评测标准的行业难题。 3. 研究大规模智能体交互数据自动化生产全链路技术，实现海量高质量训练数据高效量产，满足大模型智能体长周期强化学习迭代需求。 4. 探索智能体驱动的大模型持续自进化框架，结合强化学习优化训练效率，增强大模型在对齐、推理、代码、数学等维度的能力，并将成果发表于顶级学术会议与回馈开源社区。
1、定义未来架构： 深度参与阿里云新一代 Agent/Sandbox 运行时的顶层设计与核心攻坚，探索 MicroVM、异构计算调度、OS Agent 等前沿技术在 AI 智能体场景下的应用边界； 2、攻克系统难题： 解决超大规模分布式系统中的极端挑战，包括但不限于：Agent/Sandbox 的毫秒级启动/休眠唤醒、异构算力的调度超卖，单集群千万 Agent/Sandbox 的管理等等； 3、学术与工程结合： 保持对系统软件（System Software）领域前沿技术的敏锐度，将学术界最新成果（State-of-the-art）引入工业界，并通过大规模生产环境验证，反哺学术界。
1、围绕搜索推荐系统中大规模特征生产链路复杂、数据血缘不清晰、特征复用率低、计算链路冗余严重等问题，开展面向特征工程智能治理的 Agent 系统研究与原型建设。参与构建 Feature Engineering Agent 系统，利用 Agent 的任务规划、工具调用、记忆机制、多步骤推理、结果校验与人机协同能力，实现对特征生产代码、任务 DAG、数据血缘和特征依赖关系的自动理解与治理。 2、参与设计和实现面向 SQL、Spark、Flink 等特征生产代码的解析工具链，并将代码解析、元数据查询、任务 DAG 查询、血缘分析、特征 profile 分析、资源成本估算等能力封装为 Agent 可调用工具。 3、研究特征血缘自动构建、冗余特征识别、特征复用推荐、特征依赖关系推理、DAG 优化建议生成等 Agent 工作流，使 Agent 能够在真实特征生产链路中完成复杂治理任务的拆解、执行、验证与解释。 4、探索单 Agent 与多 Agent 协作机制，构建 Code Understanding Agent、Lineage Agent、Feature Reuse Agent、DAG Optimization Agent、Risk Review Agent 等专业能力模块，支持复杂特征治理任务的自动化和半自动化处理。 5、参与构建 Agent 安全与可信机制，包括工具调用权限控制、结果证据追踪、置信度评估、幻觉检测、生产变更审批、风险提示与回滚建议，确保 Agent 输出可解释、可验证、可审计。 6、在真实搜索推荐业务场景中进行实验验证，评估 Agent 系统在血缘识别准确率、冗余特征发现率、特征复用推荐采纳率、计算资源节省、研发效率提升等方面的效果，并形成技术方案、系统原型、技术报告、专利或论文成果。