阿里巴巴研究型实习生-Agentic RL-Accio
实习兼职阿里巴巴日常实习生地点：杭州状态：招聘
工作描述
任职要求 1、2027年11月及之后毕业，硕士及以上学历，计算机、人工智能、信息科学、数学、软件工程等相关专业； 2、具有研究经验：大模型 post-training / 强化学习方向，具有一篇及以上一作顶会论文（NeurIPS / ICML / ICLR / ACL 等）； 3、理解Agent系统：熟悉 Agent 系统设计，对 tool use、multi-step reasoning、skills 等能力有深入理解； 4、具备工程能力：熟练使用 Python / PyTorch，熟悉主流 RL 训练框架（VeRL 等）及 Agent 开发框架； 加分项：有长程规划、异步任务调度、multi-agent 系统方向的研究发表；参与过…
登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
学历+
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
强化学习+
https://cloud.google.com/discover/what-is-reinforcement-learning?hl=en
Reinforcement learning (RL) is a type of machine learning where an "agent" learns optimal behavior through interaction with its environment.
https://huggingface.co/learn/deep-rl-course/unit0/introduction
This course will teach you about Deep Reinforcement Learning from beginner to expert. It’s completely free and open-source!
https://www.kaggle.com/learn/intro-to-game-ai-and-reinforcement-learning
Build your own video game bots, using classic and cutting-edge algorithms.
NeurIPS+
https://neurips.cc/
ICML+
https://icml.cc/
ICLR+
https://iclr.cc/
还有更多 •••
相关职位
实习阿里巴巴研究型实
1、2027年11月及之后毕业，硕士及以上学历，计算机、人工智能、信息科学、数学、软件工程等相关专业； 2、具有研究经验：大模型 post-training / 强化学习方向，具有一篇及以上一作顶会论
更新于 2026-07-21杭州
实习阿里巴巴日常实习
1、2027年11月及之后毕业，硕士及以上学历，计算机、人工智能、信息科学、数学、软件工程等相关专业优先； 2、背景： 熟悉大模型训练流程； 3、技术栈： 熟悉 PyTorch，对 VeRL 、sli
更新于 2026-07-13杭州
实习阿里巴巴研究型实
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 PyTorch，有agent 框架实践经验。 3. 良好的论文阅读与工程实现能力，希望在顶会发
更新于 2026-07-07杭州
实习淘天集团研究型实
1. 深入理解 LLM/RL/Agent 领域知识，熟悉常见的 Alignment 算法（如 DPO/PPO/GRPO/DAPO 等）； 2. 熟悉前沿 Agentic RL 算法与框架，参与过实际项
更新于 2025-12-18杭州