阿里巴巴研究型实习生-大模型自进化（RSI）与 Agentic 前沿算法研究

工作描述

任职要求
1、计算机、人工智能、自动化、软件工程、信息安全、数学、统计等相关专业硕士/博士在读，博士在读优先；
2、具备扎实的机器学习、深度学习与强化学习基础，理解大语言模型的预训练、SFT、DPO、PPO/GRPO、RLHF/RLAIF/RLVR、奖励建模等主流技术；
3、熟悉 Agent 关键技术与范式，如 ReAct、Tool Calling、Planning、Memory、Reflection、Multi-Agent、MCP 等；有从零搭建 Agent、训练环境、Benchmark 或自动化评测系统的经验；
4、熟练使用 Python 与 PyTorch，具备良好的算法实现、系统调试和实验分析能力；熟悉至少一种主流后训练/RL 框架（如 verl、OpenRLHF、TRL、AReaL、slime 等），有多机多卡训练经验者优先；
5、具备较强的科研能力与研究品味，能够独立完成文献调研、问题定义、方案设计、实验验证、消融分析和结果归因；具备良好的英文论文阅读、写作与技术表达能力；
6、对“模型如何自主发现问题并持续改进”有强烈兴趣，愿意挑战长程信用分配、开放环境泛化、自动化评测和自我进化等高不确定性问题。
加分项（满足其一即可）
1、在 NeurIPS、ICML、ICLR、ACL、EMNLP、KDD、WWW、AAAI、IJCAI、SOSP/OSDI、USENIX Security、CCS、NDSS 等国际顶级会议或期刊以主要作者身份发表过论文，或拥有高质量 arXiv、开源项目及竞赛成果；
2、有 Agentic RL、Long-Horizon Agent、Self-Play、Automated Curriculum、Synthetic …