阿里巴巴算法研究员-Agentic多模态生成
任职要求
1. 学历背景：计算机、人工智能、数学、电子信息等相关专业在读硕士或博士，具备扎实的深度学习、强化学习及概率统计基础。 2. 熟练掌握 Python 及主流深度学习框架（PyTorch/TensorFlow）。 3. 在生成式模型（Diffusion, Transformer, GANs）、强化学习（P…
工作职责
一、关于阿里巴巴国际站 阿里巴巴国际站是全球领先的跨境 B2B 数字贸易平台，致力于推动全球贸易数字化升级。在这里，你将有机会深入 AIGC 在垂直领域的“深水区”，直接参与构建懂业务、能推理的Agentic Creative System（智能创意系统），用前沿的生成式 AI 技术重塑全球卖家的内容生产力。 二、关于项目 本项目旨在解决 B 端电商场景下，通用大模型难以理解复杂商业逻辑、生成内容不可控及缺乏业务反馈闭环的核心痛点。我们不只做通用的文生图/文生视频，而是致力于打造具备高度业务感知能力的智能创意引擎： 1. 突破生成模型的“幻觉”与对齐难题：针对 B 端商品严格的属性要求，探索 Diffusion Model + RL（强化学习） 训练范式。通过构建基于真实业务反馈（如点击率、转化率）的 Reward Model，实现模型策略的在线迭代，确保生成内容既美观又符合商业逻辑。 2. 构建复杂约束下的 Agent 编排架构：设计多 Agent 协作系统，使其能够自主规划生图步骤、调用外部工具并执行带强限制的 Function Calling（如保留特定 Logo、遵循材质规范），实现从“随机生成”到“精准可控”的跃迁。 3. 打造端到端的长上下文视频工作流：搭建高可用、可扩展的视频生成 Workflow，解决长序列生成中的一致性问题，实现从复杂文档/文本输入到高质量营销视频输出的全自动化链路。 三、你的职责 1. 前沿调研与方案设计：跟进工业界与学术界在 Diffusion Models、Reinforcement Learning from Human/Business Feedback (RLHF/RLBF)、Multi-Agent Planning 及 Long-Context Video Generation 方向的最新进展，探索适用于 B 端复杂场景的落地方案。 2. 负责生图/视频模型的 RL 训练框架搭建，设计高效的 Reward Model 以对齐业务目标，解决生成内容的“幻觉”与合规性问题。 3. 设计与实现 Multi-Agent 协作架构，优化 Agent 在复杂业务流程中的任务拆解、工具调用及自我修正能力。 4. 落地实践与成果转化：参与模型训练、链路调优与 AB 实验分析，将理论方案转化为线上可用的智能创意生产能力；对创新性研究成果进行总结，撰写高质量技术论文并尝试投稿顶级会议（如 CVPR, ICCV, NeurIPS, ICML, SIGGRAPH 等）。
作为一名核心的预训练数据算法研究员，你将直接参与构建和优化我们核心大语言模型的预训练，并侧重在 code、agentic、reasoning-heavy 类任务的高质量训练数据集搭建；包含但不限于数据收集、合成数据生成、任务行为轨迹构建等。 1.开发并生成用于大模型训练的合成任务与数据集，涵盖两类场景： 可验证类任务：代码解题、数学计算题等； 不可验证类任务：开放式逻辑推理、通用综合问题求解等。 2.搭建并规模化运行多领域数据合成流程，覆盖 agent、code、math、general reasoning； 3.参与搭建 agentic task environments 以及配套的大模型训练评测体系。
和我们一起开发前沿Agentic Coding模型，持续提升模型在长程复杂任务和真实开发场景中的表现，并通过代码提升数字世界的智能上限。加入团队，你将参与如下工作： 1.代码全链路训练：包括pretrain、midtrain、SFT、RL等环节，持续提升模型在代码生成、代码理解、代码修复等方向的能力边界。 2.高质量数据建设：构建高质量Coding数据生产、数据配比与数据质量评估体系，覆盖软件工程任务、仓库级代码生成、终端任务、Web开发等方向，推动模型能力持续演进。 3.Coding 强化学习：构建面向 Coding 场景的大规模 RL 训练体系，研究 Reward Design、Self-Improvement 等关键技术，提升模型在真实任务中的稳定性与泛化能力。 4.长上下文与 Repo-Level 建模：研究超长上下文代码建模、多文件关联理解、仓库级知识记忆与代码结构建模能力，提升模型对复杂大型项目的理解和生成能力。 【为什么是我们】 1.充分参与基模全链路的工作的机会，包括万卡集群上的超大规模训练，前沿算法研究，模型评测与行为研究，以及真实业务落地； 2.极具挑战的目标和远期愿景，通过代码去持续探索并突破模型智能上限； 3.对标行业极具竞争力的薪酬与资源支持。
1、代码全链路训练：包括pretrain、midtrain、SFT、RL等环节，持续提升模型在代码生成、代码理解、代码修复等方向的能力边界。 2、高质量数据建设：构建高质量Coding数据生产、数据配比与数据质量评估体系，覆盖软件工程任务、仓库级代码生成、终端任务、Web开发等方向，推动模型能力持续演进。 3、Coding 强化学习：构建面向 Coding 场景的大规模 RL 训练体系，研究 Reward Design、Self-Improvement 等关键技术，提升模型在真实任务中的稳定性与泛化能力。 4、长上下文与 Repo-Level 建模：研究超长上下文代码建模、多文件关联理解、仓库级知识记忆与代码结构建模能力，提升模型对复杂大型项目的理解和生成能力。
1、负责面向代码智能体的 Post-training 算法研究与落地，提升模型在真实软件工程任务中的代码理解、任务规划、工具调用、调试修复和多步执行能力。 2、探索 SFT、RLHF、GRPO、OPD 等训练方法，优化模型在代码生成、代码修改、Bug 修复、测试生成、PR Review 等场景中的表现。 3、构建 Code Agentic 训练闭环，包括任务分解、代码库检索、文件编辑、命令执行、测试反馈、错误诊断、反思修复等多轮轨迹数据的建模与优化。 4、负责高质量代码智能体数据建设，包括真实 Issue / PR 数据、Repo-level 任务、Agent 交互轨迹、失败案例、合成任务、执行反馈数据和偏好数据的治理与混合策略。 5、研究面向代码仓库的长上下文与记忆机制，提升模型在大型代码库中的定位、检索、依赖理解、跨文件修改和长期任务保持能力。