阿里巴巴阿里国际站/Alibaba.com-LLM算法工程师/专家-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. 深入理解ChatGPT/LLaMA/Qwen等LLM的算法原理，LLM-based Chatbo…
工作职责
关于我们 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。 我们团队一直追求极致的技术创新 (每年都有多篇顶会paper)，从Bert到T5，多次推动业务跨越式发展。去年自研LLM完整技术栈，成功驱动生意助手大规模商业化落地。今年正在全力打造全球首个B2B AI Sourcing Agent，自研Agent框架和全新AI Search系统，目前已成功全球发布，迈向更广阔的未来。 职责描述： 1. 负责跨境电商垂直多语言多模态大模型的研发，包括SFT到RLHF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NL2SQL, RAG System, Agent System, Function Call, Workflow Reasoning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RAG/Agent技术，重构B2B Sourcing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。
Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Search Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，实现全球B2B跨境贸易跨越式发展。 1、参与跨境电商多语言多模态大模型研发，包括而不限于Post-Training、SFT、RLHF、RL、Memory等全链路建设； 2、负责AI Native专项能力建设，包括而不限于RAG System、Agent System、Function Call、Reasoning、Agentic RL、Proactive Agent、LangChain； 3、探索LLM前沿技术，持续迭代自研模型能力，推动Native AI Agent落地，重构B2B跨境贸易交互体验。
Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Search Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，实现全球B2B跨境贸易跨越式发展。 1、参与跨境电商多语言多模态大模型研发，包括而不限于Post-Training、SFT、RLHF、RL、Memory等全链路建设； 2、负责AI Native专项能力建设，包括而不限于RAG System、Agent System、Function Call、Reasoning、Agentic RL、Proactive Agent、LangChain； 3、探索LLM前沿技术，持续迭代自研模型能力，推动Native AI Agent落地，重构B2B跨境贸易交互体验。
我们是阿里国际-Accio算法团队。Accio是阿里巴巴集团的战略级AI原生应用产品，也是全球首个B2B AI Search Agent，我们通过持续探索Agent、LLM、VLM、RL、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，驱动实现全球B2B电商贸易业务跨越式发展。 职位描述： 1. 负责开发和优化AI原生的全网搜索系统，包括但不限于文本和多模态模型训练、跨模态生成与检索、生成式搜索技术等； 2. 负责搜索系统算法设计与实施，负责搜索系统中的query理解、召回、相关性、排序等关键模块的算法设计与优化； 3. 负责全网商家/商品的Deep Research、全网询盘Agent链路的设计、实现和优化，负责将业界的SOTA Agent模型在业务场景中落地。
Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Search Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，实现全球B2B跨境贸易跨越式发展。 1、研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强； 2、复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务； 3、Long-horizon运行设计：构建结合"工作记忆+全局知识库"的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架； 4、构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地； 5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training。