蚂蚁金服蚂蚁集团-Agentic RL 工程技术研发专家-北京/杭州
任职要求
1. 熟悉 Python 研发，熟悉并行计算、AI Agent 系统、沙箱技术技术等任一领域的专业知识； 2. 能够熟练部署和使用主流 AI 模型和工具，了解 Prompt 和 Context Engineering 等调优手段； 3. 熟悉 GRPO/PPO 等 RL 算法、AReaL/v…
工作职责
ASystem 会探索和构建高性能的 AI 强化学习基础系统，让语言交互、智能体、具身智能等各类 AI 场景都能基于这个基础系统走向高效的自我演进，迈向更高的智能水平。 1. 研发 Agentic 强化学习工程，包括 Agentic RL 算法、长上下文训练加速、多轮轨迹交互等能力； 2. 研发工具和 Agent 合成工程，包括 toolUse、SWE、computerUse、browserUse、Mutil-Agents 等场景； 3. 研发环境工程和高性能 sandbox 引擎技术，包括多语言执行环境、桌面虚拟化渲染、大型程序虚拟环境等场景，满足大规模并发调用、极速启动、安全隔离等能力；
1. 研发 Agentic 强化学习工程，包括 Agentic RL 算法、长上下文训练加速、多轮轨迹交互等能力； 2. 研发工具和 Agent 合成工程，包括 toolUse、SWE、computerUse、browserUse、Mutil-Agents 等场景。
1. 高质量垂域数据工程：深入优化垂直领域（如文本内容审核）的高质量数据构建与迭代方法论，持续提升数据的质量、多样性与生产效率。 2. 可扩展后训练体系：探索适配领域特性的 SFT/RL 算法，构建高效、稳定、可扩展的垂域模型后训练范式，系统性提升模型能力。 3. 前沿技术研究与落地：探索推理模型前沿技术（如高效蒸馏、reward system、agentic RL、test-time learning 等）以及模型可解释性技术，沉淀技术成果和影响力，并推动大模型相关技术在行业场景中的转化与落地，提升领域模型竞争力，支撑业务持续增长。
技术研发与创新 主导 Agentic RL 系统的架构设计和前沿算法研发 将学术前沿（NeurIPS、ICLR 等会议技术方案）快速转化为美团特有的业务价值 针对本地生活场景，设计突破性的奖励函数和学习机制 建立 Agent 系统的 Scaling Law，指导大规模部署的技术路线 项目驱动与落地 推动 Agent RL 系统从研究到生产环节，确保算法的稳定性、可靠性和效率 与产品、工程团队深度合作，将研究成果转化为实际业务收益 团队领导与人才培养 组建和领导一支在 RL 和 Agent 领域的高水平研究团队 制定团队的技术战略和发展规划 指导团队成员的学术输出和技术成长 培养团队的工程实践能力，建立高效的算法开发和迭代流程
参与Agentic RL系统的工程研究和落地，工作包括/不限于：Agentic RL系统部分功能的设计和实现、RL性能优化、RL算法实现、数据合成链路设计和实现等 跟进公司内外AI Agent方向的技术演进，进行Agentic RL相关的技术调研。