小米Agentic RL 算法实习生
任职要求
任职要求： 1. 计算机相关专业；在CCF-A类会议发表过相关论文者优先考虑； 2. 熟悉主流 Agent 框架（如 Claude Code、LangGraph、AgentScope、Qwen-Agent 等），具备实际开发…
工作职责
工作内容： 1. RL训练环境搭建：负责构建易用、稳定且支持高并发的工具调用环境，搭建和优化 Agent 框架。 2. 推理能力提升： 针对 DeepResearch、CodeAgent 等复杂推理场景，设计并实现高效的能力增强方案。 3. 数据合成与优化：围绕业务需求构建、筛选和优化 Agent 行为数据与知识增强语料，为对齐训练、RL 训练和持续预训练提供高质量数据支撑。
一、关于阿里国际站 阿里国际站是全球最大的跨境B2B数字贸易平台，致力于推动跨境电商发展。我们拥有业界为数不多已实现大规模商业化并持续快速增长的AI产品，团队在LLM领域的多项研究成果也已在NeurIPS、ICLR、KDD等顶级学术会议上获得认可。 二、关于本项目 本项目旨在通过context/memory与rl等算法，优化国际站的AI能力，解决包括但不限于超长上下文压缩与动态加载、复杂指令遵循、多Agent协作与长程任务执行 等问题。 三、你的职责 1. agent框架构建： 参与搭建国际站各个场景的的多Agent协作系统。 2. 算法研究与优化： 探索如何让Agent在多轮、多工具的任务中保持目标一致且上下文干净,实验并改进上下文压缩、卸载、持久化的算法与策略。 3. 前沿追踪：Follow 最新的学术工作，将研究成果转化为学术论文并投稿。
1、核心负责商家侧 Agent 框架研发，设计可编排的 Skill/Tool/Memory 机制，支撑多商家个性化配置与建模。重点探索 Agentic RL（PPO/GRPO 等），开展奖励设计、信用分配与长链路规划，显著提升指令遵循与工具调用准确率。 2、为保障 RL 稳定训练与评估，构建 CLI 原生交互协议与 Agent Harness 工程体系，提供标准化接口、机械化约束与安全沙箱，解决长链路任务中的信任债务与上下文断裂。建立数据飞轮与自动化评测体系，监控策略漂移。 3、产出顶会论文、可复现代码与 Demo，推动研究在真实商家场景落地。在这里，你不仅是算法工程师，更是“环境建筑师”，一起定义 Agent 时代的缰绳与交互标准，参与""Big Harness""行业变革，探索 AI 工程范式新边界。
1、负责Agentic大模型相关算法开发与优化，开发性能达到业界sota的Agentic大模型并能在实际业务场景中应用落地 2、针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，持续迭代模型在Agent场景的应用性能 3、探索创新Agentic RL算法，撰写发表创新论文或技术报告，参与模型开源，和社区、学术界保持良好的交流。
1. 参与美团超大规模的多模态大模型训练Infra建设 2. 负责美团大规模多模态基座模型训练框架架构迭代，稳定性、易用性、可运维能力和可观测能力建设 3. 负责高达数万卡规模和数万亿参数的大规模训练性能优化