阿里巴巴算法工程师-RL
任职要求
岗位要求： 1. 计算机、电子、数学物理等相关专业在读硕士或以上学历，具有RL基础以及RL在LLM应用的经验 2. 极佳的工程实现能力，熟练运用Python/Pytorch/SQL，有L…
工作职责
关于我们 ● 我们是阿里国际数字商业集团-跨境贸易事业部 (ICBU)-Accio算法团队 ● Accio产品是聚焦于全网B类信息和商品的搜索平台，技术上致力于研发基于LLM的agent系统和基于RL的推理模型的构建和应用，团队技术氛围浓厚，论文多次被ICLR、KDD、SIGIR、AAAI、WWW等会议录用 职位描述 1. 基于RL技术，研究reasoning模型相关技术，实现电商场景数据训练专属推理模型 2. 基于RL技术，研究cot+coa融合的端到端agent模型，实现原生可工具调用和多步思考的推理模型 3. 探索电商版本deep research，实现新一代复杂agent task的产品能力
1. 建立并优化机械臂 / 移动底盘运动学-动力学模型，设计模型预测控制（MPC）与轨迹跟踪算法。 2. 基于深度强化学习（SAC、PPO 等）开发高鲁棒、自适应运动控制策略，支持力/位混合控制。 3. 构建 Gazebo / Isaac / MuJoCo 等高保真仿真环境，实施随机化与 Curriculum Learning，提升 Sim2Real 迁移效率。 4. 研发离线 RL、模仿学习与安全约束 RL 流程，缩短策略收敛时间并保障操作安全。 5. 搭建示教 & 回放数据飞轮，持续监控线上控制性能并执行 A/B 测试。 6. 与系统集成、边缘计算团队协作，完成控制算法量化部署、实时推理加速及低时延通讯优化。
利用强化学习方法对多模态大模型进行对齐： 解决优化现有多模态大模型 RLHF 中的训练效果、稳定性、Reward Hacking 等问题； 探索 RL 阶段 computaiton scaling 对模型能力提升的方法； 研究 Multi-Agent、Long-term Objective、Scalable Oversight 等方向下基于强化学习的对齐方法； 基于前沿方法对幻觉、推理、工具使用、安全等场景问题进行针对性优化，提升大模型的应用价值。
1.利用强化学习方法对多模态大模型进行对齐： 2.解决优化现有多模态大模型 RLHF 中的训练效果、稳定性、Reward Hacking 等问题； 3.探索 RL 阶段 computaiton scaling 对模型能力提升的方法； 4.研究 Multi-Agent、Long-term Objective、Scalable Oversight 等方向下基于强化学习的对齐方法； 5.基于前沿方法对幻觉、推理、工具使用、安全等场景问题进行针对性优化，提升大模型的应用价值。
我们正在构建一个创新的数据分析诊断模型，旨在通过强化学习（RL）与大语言模型（LLM）技术的结合，为商家提供智能化的店铺运营支持。该模型将帮助商家提高运营效率和服务质量，实现数据驱动的决策优化。 培养方向： 1、参与系统的需求分析、架构设计与开发工作，确保算法模型的高效落地与业务目标的达成。 2、结合大语言模型（LLM）与强化学习（RL）技术，设计并实现智能化的文本生成模型，助力商家运营效率和服务质量的全面提升。 3、持续关注并研究强化学习领域的前沿技术动态，探索新方法与新思路，推动技术创新在实际业务中的落地应用。