阿里巴巴阿里国际站/Alibaba.com-RL强化学习算法工程师-Accio-杭州
任职要求
1. 计算机、人工智能或数学相关专业硕士及以上，有扎实的计算机知识和NLP功底 2. 熟悉LLaMA/Qwen/DeepSeek-R1等LLM训练方式；熟悉PPO/GRPO/RFT/Self-Play等强化学习算法原理 3. 掌握LLM post-training训练数据构建方法，以及常见 Multi-Agent系统框架 4. 加分项: 有顶会paper/开源项目；有Agent项目成功落地经验；有LLM+强化学习成功落地经验
工作职责
我们是阿里巴巴国际数字商业集团-阿里巴巴国际站-Accio算法团队。阿里巴巴国际站是全球最大的跨境B2B数字化贸易平台。 1. 负责电商搜索场景的Agentic Pro Search/Deep Research等能力的开发实现，负责跨境电商垂直多语言多模态大模型的研发，包括SFT到Agent Reinforcement Learning的LLM全链路post-training技术建设。 2. 负责AI Native专项能力建设，包括但不限于 Agentic Reasoning, Agentic RAG System, Multi-Agent System等。 3. 负责跨境电商AI创新业务落地，包括但不限于用最前沿的Reasoning/Agentic RAG技术，重构B2BSourcing的全新交互体验。 4. 负责LLM的前沿技术探索，持续迭代自研模型能力，支撑AI Native产品落地。
我们是阿里巴巴国际数字商业集团-阿里巴巴国际站-Accio算法团队。阿里巴巴国际站是全球最大的跨境B2B数字化贸易平台。 1. 深入探索 LLM 在电商搜索场景中的推理能力与深度研究（Deep Research）模式，优化信息整合与总结效果，打造高效、精准的智能搜索产品，推动 AI 技术在实际应用中的突破； 2. 负责 Accio Agent研发，打造下一代B端采购全新交互体验： a. 设计并实现基于 Reasoning LLM 的 Research Agent，提升搜索结果的理解、推理与结构化总结能力； b. 探索LLM Reasoning技术（如思维链、多步推理），优化复杂查询的Deep Research模式，实现长文本理解与跨文档信息融合； c. 优化网页搜索和自有品商搜索的RAG系统 3. 模型优化： a. 基于蒸馏和RL技术进行Post-training，训练融合CoT和CoA的Agent原生模型，使得模型具备多步推理能力和多步工具调用的能力 b. 探索多模态信息（文本、图像、结构化数据）融合的搜索与生成技术 c. 探索电商场景下Reward模型的定义和构建
1、研究并应用强化学习（RL）技术在游戏场景中的创新应用，如 NPC 行为学习、自适应游戏策略、自动化测试等； 2、负责开发基于 RL 的智能体决策、路径规划、多智能体协作等算法； 3、结合 LLM、计算机视觉等技术，提升游戏 AI 的决策能力和可玩性； 4、负责强化学习模型的训练、优化和部署，提升游戏 AI 的自主学习能力； 5、跟踪强化学习在游戏领域的最新研究，并结合游戏项目进行创新探索； 6、 持续改进算法和框架，开发和完善通用框架和SDK工具，提升游戏AI开发效率。
1. 负责强化学习算法的研究、开发和应用，解决AI搜索等实际问题并提升业务效果。 2. 设计、实现、优化强化学习模型，包括但不限于价值迭代、策略梯度、模型预测控制等算法。 3. 跟踪强化学习领域的前沿研究进展，不断探索和创新，推动强化技术发展。 4. 与LLM的模型后训练相结合，迭代RL训练技术并实现业务模型的调优和落地。
1、研究并应用强化学习（RL）技术在游戏场景中的创新应用，如 NPC 行为学习、自适应游戏策略、自动化测试等； 2、负责开发基于 RL 的智能体决策、路径规划、多智能体协作等算法； 3、结合 LLM、计算机视觉等技术，提升游戏 AI 的决策能力和可玩性； 4、负责强化学习模型的训练、优化和部署，提升游戏 AI 的自主学习能力； 5、跟踪强化学习在游戏领域的最新研究，并结合游戏项目进行创新探索； 6、 持续改进算法和框架，开发和完善通用框架和SDK工具，提升游戏AI开发效率。