阿里巴巴研究型实习生-Agentic RL-算法研究
任职要求
1. 背景： 计算机、数学或相关专业在读（硕士/博士优先），有agent实践经验。
2. 技术栈： 熟悉 P…工作职责
一、关于阿里国际站 阿里国际站是全球最大的跨境B2B数字贸易平台，致力于推动跨境电商发展。我们拥有业界为数不多已实现大规模商业化并持续快速增长的AI产品，团队在LLM领域的多项研究成果也已在NeurIPS、ICLR、KDD等顶级学术会议上获得认可。 二、关于本项目 本项目旨在通过context/memory与rl等算法，优化国际站的AI能力，解决包括但不限于超长上下文压缩与动态加载、复杂指令遵循、多Agent协作与长程任务执行 等问题。 三、你的职责 1. agent框架构建： 参与搭建国际站各个场景的的多Agent协作系统。 2. 算法研究与优化： 探索如何让Agent在多轮、多工具的任务中保持目标一致且上下文干净,实验并改进上下文压缩、卸载、持久化的算法与策略。 3. 前沿追踪：Follow 最新的学术工作，将研究成果转化为学术论文并投稿。
1. Agent 基础设施优化：在电商垂域开展大模型 Agentic AI 的关键要素构建与优化，涵盖环境工具建设（Environment/Tools）、高质量数据合成及 Reward Modeling； 2. 后训练算法攻坚：优化 Post-training 算法（如 GRPO/PPO/SearchR1 等），提升模型在复杂环境下的工具使用（Tool-use）、规划（Plan）、深度推理（Deep Research）及报告生成能力； 3. 全流程模型迭代：参与千亿级模型的 Agentic 能力全流程优化，包括 CPT (Continued Pre-training)、SFT、Post-train 及 Multi-agent RL，负责复现业界前沿工作并探索提出新算法。
1. Agent 基础设施优化：在电商垂域开展大模型 Agentic AI 的关键要素构建与优化，涵盖环境工具建设（Environment/Tools）、高质量数据合成及 Reward Modeling； 2. 后训练算法攻坚：优化 Post-training 算法（如 GRPO/PPO/SearchR1 等），提升模型在复杂环境下的工具使用（Tool-use）、规划（Plan）、深度推理（Deep Research）及报告生成能力； 3. 全流程模型迭代：参与千亿级模型的 Agentic 能力全流程优化，包括 CPT (Continued Pre-training)、SFT、Post-train 及 Multi-agent RL，负责复现业界前沿工作并探索提出新算法。
1. 设计Data Agent统一记忆表示框架与生命周期管理机制，支持结构化/非结构化数据记忆混合存储，制定动态管理策略，确保关键分析结果长期稳定可用。 2. 构建自然语言检索与数据验证体系，设计数据溯源与自动校验流程，有效防止幻觉并保障分析结论的可靠性。 3. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。
专注大语言模型强化学习的研究、探索和开发，具体职责包括： 1、针对多轮Agentic任务场景，开展基于大语言模型（LLM）的强化学习（RL）优化及奖励归因机制研究； 2、设计与实现创新型多轮Agentic RL训练与收敛优化方法，提高训练效率与任务泛化能力； 3、深入探索RL算法在提升智能体泛化性和鲁棒性方面的理论与工程实现，推动算法在实际复杂环境下的稳定应用； 4、推动研究成果在阿里云PAI平台的分布式训练、强化学习等核心产品框架中的集成与落地，支持工业级Agentic AI解决方案的研发和部署； 5、跟踪领域前沿动态，撰写高质量学术论文，申请相关发明专利，并在国际顶级学术会议（NeurIPS、ICLR、AAAI等）或期刊进行成果输出。