阿里巴巴研究型实习生-Agent模型后训练-Accio Work
任职要求
1. 深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位，业界AI/Agent团队的相关实习和工作经验； 2. 有较好工程能力，有Coding/Search Agent构建、Agent记忆系统构建、Multi-agen…
工作职责
团队介绍： 团队负责Accio Agentic模型整体后训练，核心关注coding和computer use能力，现有团队成员来自Top Tier大厂的基模团队，大多毕业于清华/上交等知名院校，有训练 T 级规模模型的经验，团队支持项目开源和顶会论文发表。 职责描述： 1. 核心模型演进： 深度参与大规模 Agentic LLM 的全链路研发，涵盖 Mid-train/CPT、SFT 及 RL 阶段，探索领域知识增强与多任务学习的前沿技术，表现突出者可在核心tech report中署名。 2. 工程化与基准建设： 参与构建代码库级别的 Benchmark，优化模型在多语言、多框架环境下的跨模块调用与依赖分析性能。 3. Black-box Agent RL & Online Learning a. 策略建模与优化： 深入研究 Black-box Reward/Value Function 的建模，解决 Agent 在不可导环境反馈下的策略梯度估计问题。 b. 持续探索架构： 设计并实现高性能的 Online RL 框架，支持 Agent 在真实操作系统与开发环境中进行大规模并发探索与在线策略迭代。 c. 长程推理研究： 针对 Long-horizon RL 场景，攻克 Credit Assignment（信用分配）难题，提升 Agent 在多步推理（Multi-step Reasoning）下的决策稳定性。 4. Computer-Use Agent 系统建设 a. 全链路数据 Scaling： 参与构建海量真实用户交互数据的自动化生产流水线，覆盖办公场景与自动化流程，实现数据的高效回流与训练闭环。 b. 数字任务执行核： 开发基于 Bash、Skills、MCP（Model Context Protocol）的执行引擎，构建能够熟练使用各种 CLI 工具与数字插件的 Agent 核心模型。 c. 多场景交互闭环： 探索 Agent 与真实操作系统、浏览器及专业开发环境的交互，在 Terminal、MLE-bench 等复杂基准测试中验证模型的端到端任务完成率。
专注于Model-as-Agent后训练，并重点从以下技术方向进行深入研究： 1. Tool - 幻觉抑制及知识信息的精准生成。核心解决Extrinsic hallucination：例如模型调用外部工具（数据库查询、Web 检索、RAG等）时产生错误查询、误解释或忽略结果。 2. Model - Model as Agent的能力增强。构建Agent训练数据 + 沙盒环境 + API工具集 + Verifier的完整数据训练方案，解决Agent后训练中奖励稀疏和信用合理分配的问题。 3. Scaling - 在test time阶段通解决模型agent推理时学习增强的scaling问题，解决长上下文、长期状态管理记忆等关键问题。
我们致力于打造淘宝直播场景下“高智商、高情商”的下一代智能数字人主播，通过大模型 + 智能体（Agent） + 强化学习（RL） 的深度融合，构建具备自主决策、实时互动与高转化能力的直播AI系统。你将参与以下前沿探索： 1. 大模型与Agentic RL的协同训练范式研究：探索高效Agentic RL算法（样本效率、奖励函数设计、多智能体协作等）； 2. 多模态Agent研究：融合视觉（商品/表情/动作）、语音、文本等多源信号，通过多模态强化学习优化Agent行为策略； 3. 构建基于Agentic RL的数字人决策引擎：设计可自主调用商品工具、垂域多模态知识库查询工具、控制话术、响应观众意图的智能体架构，实现动态控场、个性化互动与高效转化； 4. 研究基于RL等算法的自主进化Agent； 5. 产出高质量学术论文和专利。
作为 Agent Infra 工程师，你将深度参与或主导以下方向的建设： 1. 面向 Agent 的研发范式重构：打破传统面向人的知识组织与协作模式，以 All-in-Code、工作项驱动、上下文可消费为核心，重构研发流程与信息结构，建设面向 Agent 的工作方式。 2. Agent 原生执行平台：设计并落地 Brain / Hands / Session 三层解耦的执行平台架构，包括模型路由、上下文工程、能力编排、长程任务管理；并在此之上孵化 Agent Teams 多 Agent 协作框架与 Mem2Skill 自进化闭环。 3. CLI 化工具生态：定义 Agent 友好的标准化 CLI 规范，建设 CLI 注册中心、版本管理、权限隔离与可观测性体系；沉淀官方 Skill/CLI 矩阵，覆盖发布、灰度、回滚、诊断等高频研发场景。 4. AI 安全通信网关（AIGW）：设计 Agent 身份与可信授权体系，建设全链路 Prompt / Tool Call 审计与防滥用机制，打造集团级 AI 安全基础设施 5. 高密度 Agent Sandbox：构建容器 / MicroVM / WASM 多形态统一抽象的安全执行环境，实现秒级启动、强隔离、低成本，支撑 2W+ 日活 Agent 并发执行 6. 建设面向 Agent 的生产运维操作，构建风险评估、分级审批与行为审计能力，在释放 Agent 自主性的同时确保生产环境可控
1、参与LLM native的行为风控agent设计，构建面向行为防控场景的智能体应用 2、设计和实现Agent 的规划（Planning）、工具调用（Tool Use）、记忆管理（Memory）、多智能体协作（Multi-Agent）等核心 3、探索 Agentic Workflow 在风险识别、策略执行、异常行为检测等防控链路中的落地方案 4、搭建 Agent 评估与调试框架，设计评测指标，持续优化系统的准确性、鲁棒性和可解释性 5、跟踪 Agent 领域前沿研究，探索包括agent memory、 agentic RL、context learning等技术，促进agent能力的持续提升