阿里巴巴研究型实习生 - 强化学习RL算法研究
实习兼职阿里巴巴研究型实习生地点：北京 | 杭州 | 上海状态：招聘♡ 收藏
工作描述
任职要求 1. 计算机、人工智能、自动化等相关专业在读硕士/博士。 2. 具备强化学习（RL）与 Agent 方向的基础知识与实践经历，了解 PPO、GRPO 等主流 RL 算法及训练方法；有大模型 RL、Agent、代码生成、Reward Modeling 或大规模训练相关经验者优先。 3. 对真实任务场景与模型行为一定的洞察力，具备良好的问题分析和推进能力；对算法、数据与 reward signal 有一定直觉，能够结合实际问题持续迭代方案并提升模型表现。 4. 具备较强的学习能力、主动性和自驱力，能够快速理解前沿工作并在指导下推进实验与落地。 工作职责 强化学习（RL）是 Qwen 系列基础模型持续演进的重要技术方向之一…
登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
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.
AI agent+
https://www.ibm.com/think/ai-agents
Your one-stop resource for gaining in-depth knowledge and hands-on applications of AI agents.
还有更多 •••
相关职位
实习通义研究型实习生
1. 计算机相关专业的优秀学生，具备扎实的理论功底和实践能力。 2. 对AI/ML/LLM/RL领域有充分的研究热情，具备良好的研究品味与追求，具备独立思考、快速学习新知识、解决复杂难题的能力。 3.
更新于 2026-03-24北京|杭州
实习阿里巴巴研究型实
1、精通C/C++、Java、Python等至少一门编程语言，了解至少一种主流机器学习建模框架； 2、对于机器学习和数学有较强的理解能力，有机器学习领域经验（计算机视觉、语音、NLP、推荐系统）优先；
更新于 2026-06-11北京|杭州
实习阿里巴巴研究型实
1. 计算机、数学、电子信息等相关专业在读硕士或博士，具备扎实的优化、概率统计等数理基础。 2. 具备良好的文献检索与阅读能力，能够充分理解并复现前沿论文中的核心算法思想。 3. 具备良好的编程能力与
更新于 2026-09-09杭州
实习阿里巴巴研究型实
1. 在读博士研究生，计算机相关专业； 2.有大模型后训练或者强化学习相关经验和工作背景； 3.有A类会议或者期刊论文发表经历； 4.有较强的代码能力，熟练掌握Python编程。 工作职责 我们正在
更新于 2026-05-06北京|杭州