阿里巴巴研究型实习-大模型长程任务训练/Agentic算法

工作描述

任职要求
1、博士在读优；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以上学历；
2、具备扎实的科研训练与研究品味：在 NeurIPS / ICML / ICLR / ACL / EMNLP / KDD / WWW / AAAI / IJCAI / USENIX Security / CCS 等国际顶级会议或期刊以第一作者/共同一作发表论文者优先；有高质量 arXiv 预印本、开源项目（可观 Star 数）或竞赛成绩者同等考量；
3、熟悉大模型后训练与强化学习技术栈：SFT / DPO / PPO / GRPO 及其变体、RLHF / RLVR、奖励建模、Agentic RL；熟悉至少一种主流 RL 训练框架（如 verl、OpenRLHF、TRL、AReaL、slime 等）；
4、熟悉主流 Agent 框架与范式（如 ReAct、Tool Calling、Multi-A…