千问研究型实习生-智能体方向
任职要求
1、计算机或人工智能相关专业的在读硕士或博士；
2、熟悉大模型原理，掌握智能体构建的相关技术，熟悉Python，具备基本的编码能力；…工作职责
1、参与智能体相关技术的研究与探索，包括APO（Automatic Prompt Optimization）、记忆、通用多智能体等方向； 2、追踪相关前沿技术，协助完成相关方向的效果评估、Benchmark测试，推动相关领域性能的不断提升； 3、协助团队文献调研，总结技术趋势和研究进展，将团队工作成果发表在国内外会议、期刊。
专注超大模型下游任务迁移技术的研究、探索和开发，具体职责包括： 1、深入研究超大模型精调算法与优化适配技术，研究基于任务特性的模型精调策略； 2、研究分析现有AI模型的精调算法与流程在跨领域任务迁移场景中的通用性问题，设计并实现可落地的技术； 3、结合阿里云PAI平台，通过精调多维度安全专家模型，提供可靠高效的领域安全检测服务，支持客户安全可靠地快速落地业务；
随着大模型与智能体系统的发展，数据正从“静态燃料”演变为“动态认知基础设施”。传统数据处理范式难以满足Agent工作流、强化学习、RAG等新场景对语义理解、任务适配与反馈闭环的需求。一系列重要问题亟需重新思考：什么是面向未来 AI 系统的“高质量数据”？如何构建可解释、可组合、可迭代的数据智能框架？ 我们隶属于通义实验室，长期聚焦 AI 基础设施与数据智能方向。团队已在ICML、NeurIPS、ICLR、SIGMOD、KDD、WWW等国际顶会发表论文数十篇，多次获 Spotlight 与 Best Paper，主导开源 DataJuicer、AgentScope、Trinity-RFT 等框架。相关成果广泛应用于学术界与工业界，支撑阿里云、通义大模型、百炼平台等内外部业务。 现诚邀具备扎实科研能力与工程素养的候选人加入，你将参与： 1. 探索如何让数据处理系统“听懂”任务语义，自动生成可验证、可复用、可优化的数据流水线； 2. 研究高性能方法，量化建模文本、图像、轨迹等数据对下游任务的实际价值，构建数据健康评估体系； 3. 面向智能体经验管理、RAG 上下文筛选、多模态日志分析等真实场景，设计新型数据原语与评估基准； 4. 建设开源框架（DataJuicer、AgentScope、Trinity-RFT），发表高水平论文或技术成果，推动社区对“数据智能”的前沿探索。
1.参与智能体（AI Agent）及其应用场景的安全风险研究，探索智能体在复杂交互环境中的攻击面、威胁建模与防御机制。 2.协助开展大模型安全攻防实验，包括越狱攻击、提示注入、对抗样本构造等，评测不同智能体架构在任务执行中的鲁棒性与防御能力。 3.研究智能体决策过程中的风险建模方法（如基于马尔可夫决策过程的行为建模），并设计相应的安全护栏与防御算法。 4.跟踪前沿研究进展，调研智能体安全、可信 AI 与大模型内容安全相关的学术论文与技术方案，为团队提供前沿洞察。 5.协助构建安全评测基准与工具链，形成可复现的安全评测流程，支持团队在多任务、多场景下的风险分析与能力验证。
1、参与基于阿里云AI平台的大模型与多模态Agent工具链建设，涵盖Agent RL、Agent 架构优化、Agent 自进化、通用SubAgent效果提升等全栈能力，打造高效、易用、可扩展的Agent开发工具，赋能千行百业智能化升级； 2、基于云上的Agent开发工具，面向通用agent，类openclaw个人助理、企业级Agent、ChatBI、智能机器人等核心场景，构建端到端的Agent解决方案，持续优化模型效果、推理性能与用户体验，树立行业最佳实践标杆； 3、紧跟全球大模型、多模态、智能体 前沿技术演进，在算法效能、架构创新与工程落地方面持续突破，推动技术成果转化为学术影响力与商业价值。