阿里巴巴
千问事业部-千问大模型Agentic算法专家-北京/杭州
千问事业部-千问大模型Agentic算法专家-北京/杭州
发布于 大约 9 小时前普通员工/个人贡献者
杭州市 / 北京市
高级经验
全职员工
仅现场办公
博士
人工智能
Dpo
Grpo
Llm
Nlp
Rlhf
Sft
多步推理
强化学习
工具学习
AI 估算 · 60k–90k
该岗位为高级算法专家，要求博士或硕士加3年经验，且涉及前沿Agentic AI技术，市场竞争激烈，薪资水平较高。
职位详情
关于这个职位
作为阿里巴巴千问事业部的大模型Agentic算法专家，你将负责定义和实现下一代Agentic AI系统的核心算法，推动千问从回答问题升级为执行任务
你将深入探索任务规划、工具使用、多步推理、长程自主执行等前沿技术，直接影响数亿用户的AI助手体验，并打造千问在Agentic AI时代的领先地位
该岗位需要深厚的LLM和强化学习背景，适合在学术界或工业界有突出成果的资深算法专家
最低要求
拥有计算机科学、人工智能或相关领域的博士学位者优先，硕士学位亦可
至少 3 年在自然语言处理(NLP)或大语言模型(LLM)领域的研发经验，对 LLM-based Agent、工具使用、强化学习等有深刻的理解和丰富的实战经验
在学术界或工业界有公认的 agentic 或相关技术成果
在以下一个或多个领域拥有一流的技术水准和成功经验：agent 架构与规划、工具学习与 function calling、大模型对齐技术(SFT/RLHF/RLAIF/DPO/GRPO 等)在 agentic 场景的深度应用、agentic RL、长 horizon 任务的训练与优化、熟悉主流 RL 训练框架者优先
工作职责
Agentic 能力定义与技术规划：分析用户需求，制定技术演进路线图，追踪前沿进展，主导定义顶级智能体能力标准
任务规划与多步推理：攻坚复杂任务的核心技术难题，包括任务分解、多步推理、错误纠正、长程记忆与状态管理等
工具使用与环境交互：研发模型与外部工具、API、代码执行环境等的融合技术，解决工具调用准确性、多工具编排等问题
Agentic 训练与对齐：主导 agentic 场景下的 post-training 与对齐工作，包括 SFT、RLHF/RLAIF/DPO/GRPO 等
评测体系与数据飞轮：建立科学的 agentic 能力评测体系，探索 Agent-as-Judge 等前沿评测方法，驱动数据闭环
优先资格
主导或核心参与过业界知名的 AI Agent、code agent、autonomous agent 或相关智能体项目
在顶级学术会议(如 NeurIPS、ICML、ICLR、ACL、EMNLP 等)上发表过多篇高质量的 agent、强化学习或相关方向论文
对工具使用、多智能体系统、computer use、具身智能等前沿方向有深入研究或浓厚兴趣，有将前沿 agentic 技术成功应用于大规模商业产品的经验
对前沿技术充满热情，具备出色的问题分析和解决能力，能够将研究成果有效应用于实际业务场景
AI 洞察
优缺点分析
优点
- 阿里巴巴平台大，资源丰富，可接触海量真实用户场景
- 薪资待遇优厚，福利完善
- 技术难度高，需要持续学习和创新
- 竞争激烈，需要不断产出成果
缺点 / 挑战
- Agentic AI是前沿方向，技术挑战大，成长空间高
- 工作强度大，可能面临较大压力
- 适合对Agentic AI有浓厚兴趣，具备深厚LLM和强化学习背景，追求技术挑战和职业发展的算法专家
角色解读
- 技术专家路线，成为Agentic AI领域的领军人物
- 管理路线，带领团队负责核心算法方向
- 横向发展，可转向产品、技术管理等方向
- 定义并实现下一代Agentic AI系统的核心算法，包括任务规划、工具使用、多步推理等
- 主导agentic场景下的模型训练与对齐，包括SFT、RLHF、DPO等
- 建立评测体系，驱动数据闭环，优化模型性能
- 扎实的LLM和NLP基础，熟悉Transformer架构
- 精通强化学习算法，如RLHF、GRPO等，并有实际应用经验
- 熟悉Agent架构，如ReAct、多智能体协作，有工具学习或function calling经验
申请策略
- 了解阿里巴巴千问事业部的最新动态，展示对业务的思考
- 准备技术分享，展示你的技术深度和项目经验
- 突出在agent、强化学习、工具使用等领域的项目经验和成果
- 强调在顶级会议上的论文发表，或工业界大规模应用的经验
- 展示对前沿技术的热情和解决问题的能力
- 深入学习强化学习算法，特别是RLHF、GRPO等
- 熟悉agent架构，如ReAct、多智能体协作，动手实践
- 了解工具学习、computer use等前沿方向
面试指南
- 结合具体项目经验，阐述设计思路和取舍
- 从问题定义、方法、实验、结果等角度系统回答
- 强调数据驱动和迭代优化的思路
- 如何设计一个可靠的agent系统？
- 如何解决长程任务中的奖励稀疏问题？
- 如何评估agent的能力？
- 如何应对reward hacking？
- 如何将agent技术应用到实际产品中？
职位点评
80
综合评分
前沿技术、高薪、大厂平台，但工作强度大，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术前沿、渴望快速成长、对Agentic AI有热情的求职者，能接受高强度工作。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
阿里巴巴作为大厂，薪资福利有竞争力，但具体薪资未披露，面议。
薪资信号面议 (60K-90K/月)
成长发展
95较高
该岗位处于AI前沿领域，技术挑战大，成长空间广阔。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RLHF、SFT、DPO、GRPO、ReAct、工具学习
业务类型profit_center
工作生活
50较低
工作地点在北京或杭州，现场办公，未提及弹性工作，可能工作强度较大。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
Agentic AI是未来趋势，对AI发展有重要影响，社会价值较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs