阿里巴巴日常实习生-Agent安全评测与审计
任职要求
1. 学历与经验：本科及以上学历在读（大三、大四或研一、研二优先），网络安全、应用安全、AI安全、计算机科学、人工智能等相关专业。 2. 技术能力： 对Agent工作流（感知-规划-行动-记忆）有基本认知，了解常见的AI安全风险（如注入攻击、越权、幻觉等）。 具备基本的数据处理能力，能熟练使用 SQL 或 Python 进行日志查询、数据清洗与分析。 具备良好的英文文献阅读能力，能快速跟进AI安全领域的最新风险动态。 3. 学习能力：对AI安全方向有学习热情，能在指导下快速掌握风险框架、设计评测方案、构建评测集、…
工作职责
1. 安全评测执行：深入了解Agent应用，制定评测方案，执行安全评测，覆盖直接\间接注入、工具调用越权、敏感数据泄露等风险，产出评测报告包括安全水位、风险清单等。 2. 离线安全审计：对Agent执行轨迹进行离线审计，识别越权调用、异常数据流转、疑似注入攻击、记忆污染、skill投毒等风险行为，定期产出风险审计报告。 3. 评测能力建设：结合业务特性及行业发展，参与风险分类分级，扩充评测数据集，维护攻击方法库，编写自动化评测脚本，优化评测工具，沉淀可复用的评测资产。
负责AI代码生成核心技术研发、智能IDE后端架构建设、工程级代码理解能力开发、企业级与国际化能力建设，以及AI编程新方向的探索与产品化落地。 工作职责： 1、负责基于AI模型的代码生成与补全核心算法的研发工作； 2、优化生成代码的质量、准确性与可维护性，确保符合工程规范； 3、构建支持多语言、多场景的通用代码生成能力体系； 4、设计并实现生成结果的智能排序与推荐机制； 5、负责AI编程工具后端服务的架构设计、开发与持续迭代。 关键挑战和产出： 1、你将打造业界领先的 Coding Agent 引擎，让生成的代码不仅正确，更具备工程美感与长期可维护性； 2、你将面对无数复杂 Agent 工程问题，包括上下文管理、智能体架构、编码、测试各种智能体开发，以及性能调优。我们可以携手一一突破； 3、你将深入 AI Agent 核心算法领域，解决长期记忆、大规模智能体协同等复杂问题； 4、你将参与 Qoder 智能体大模型的设计和训练过程，与通义算法工程师一起打造世界顶尖模型。
1、负责基于AI模型的代码生成与补全核心算法的研发工作； 2、优化生成代码的质量、准确性与可维护性，确保符合工程规范； 3、构建支持多语言、多场景的通用代码生成能力体系； 4、设计并实现生成结果的智能排序与推荐机制； 5、负责AI编程工具后端服务的架构设计、开发与持续迭代； 6、构建高并发、低延迟的模型推理服务系统，保障系统稳定性。
• 探索前沿技术&发 paper：充足的 Token/GPU 资源，探索 LLM（大模型）、Agent（智能体）等前沿领域，发现创新点并进行相关课题探索。 • 大模型前沿技术落地：利用前沿技术，攻克垂直领域知识推理与决策难题，推动「1688 世界大模型」在销售场景的深度应用，提升商机转化效率。 • 下一代机制探索：推动 大模型可解释性推荐、LLM 原生销售策略、自我进化机制 等前沿学术探索走向工业落地，重新定义 B 端智能销售系统的未来形态。 • 系统架构设计：参与大规模工业级算法架构设计，研发支撑算法快速迭代的基础设施。
1、主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的应用构建、模型训练与评测； 2、运用SFT、RL等Post-training训练方法，提升大模型在自主规划（Planning）、多步推理、工具调用、RAG、记忆、长周期任务执行等方面的能力； 3、跟踪LLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点突破复杂推理、Agent记忆、自演进系统、Agentic RL等方向的技术创新； 4、持续优化Agent算法与系统架构，构建端到端的Agent评测体系，开发自动化评估工具与多维评价指标，提升Agent系统性能与效率，打造业内领先的AI Agent系统级技术方案。 5、具体业务/研究场景包括但不限于：面向Agent基础设施的通用系统/组件的自优化算法、记忆系统、智能运维Agent、多Agent协作系统、Harness设计、高效后训练Pipeline等