阿里巴巴
千问事业部-大模型算法专家（agent方向）-北京
千问事业部-大模型算法专家（agent方向）-北京
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Autogen
Dpo
Langgraph
Mcp
Multi-Agent
Rag
Sft
Tool Calling
强化学习
值不值得投
78综合评分
综合评分 78
大模型Agent核心算法岗，前沿技术栈、成长空间极大，薪资丰厚但工作强度可能较高。
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。
薪资怎么样
8万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3080 个在招 · 其中人工智能 约 340 个
市场机会
选择面较广
北京 · 人工智能 · 约 620 个在招
职位详情
关于这个职位
该职位负责大模型Agent方向的算法研发与架构设计，重点攻克长程任务规划、强化学习训练及评测体系建设
你需要主导Agent核心模块的设计与落地，通过数据驱动和强化学习优化Agent的决策与执行能力，推动大模型在实际业务中的规模化应用
最低要求
熟悉Agent规划决策、强化学习和模型后训练，能够独立完成数据构造、奖励设计、训练及效果评估
熟悉LangGraph、AutoGen、OpenAI Agents SDK或类似框架，理解Tool Calling、MCP、RAG、Memory、Planning和Multi-Agent
具备Agent项目生产落地经验，能够通过成功率、成本、延迟、恢复率和稳定性等数据证明实际效果
工作职责
评测体系驱动：
● 将业务需求转化为可执行、可评测的Agent任务，明确能力边界、风险和验收标准
● 建设离线与在线评测体系，包括任务分级、评测数据集、回归测试和真实轨迹分析
设计任务成功率、工具调用准确率、人工接管率、执行步数、延迟及Token成本等指标
● 建立失败归因机制，区分模型、规划、工具、上下文和系统问题，驱动Prompt、Skill、模型及Harness持续优化
长程任务规划、决策与强化学习：
● 负责多步骤、多工具、跨系统任务的拆解、规划、执行与验证，设计Planner–Executor–Verifier、任务图及动态Replan机制
● 建设状态持久化、检查点、断点续跑、幂等执行和失败恢复能力，解决计划漂移、循环调用、上下文污染及长程任务信用分配问题
● 构建Agent RL训练闭环，包括轨迹采集、环境回放、奖励设计和策略评估
熟悉SFT、DPO、GRPO、PPO、DAPO及Rejection Sampling等方法
● 通过规则奖励、Reward Model或LLM Judge，优化任务分解、工具选择、Replan时机、错误恢复和停止策略，并防止奖励投机
Agent架构能力：
● 负责模型、规划、工具、记忆、执行、评测和安全等核心模块的架构设计
● 建设通用Agent Runtime，支持单Agent、多Agent、Workflow及Human-in-the-loop
建设模型路由、Tool Calling、MCP、Skill管理和Agent间任务交接机制
优先资格
在顶会（NeurIPS/ICML/CVPR/ACL等）发表过论文者优先
熟悉Agentic RL和harness的方法优先
AI 洞察
优缺点分析
优点
- 处于大模型与Agent技术的最前沿，能接触到业界最核心的算法场景与海量算力资源
- 依托丰富的业务场景，算法成果能迅速在亿级用户产品中落地，业务价值与成就感极高
- 团队技术氛围浓厚，有机会与顶尖AI人才共事，个人技术壁垒和行业影响力将大幅提升
- 大模型技术迭代极快，需要保持高强度的持续学习，以跟进最新的论文和开源框架
- 生产环境下的稳定性、成本控制与延迟优化要求苛刻，需平衡算法创新与工程落地
- 适合具备扎实强化学习基础、有Agent落地经验，且对通用人工智能充满热情、渴望在顶尖技术团队攻克行业难题的资深算法工程师
缺点 / 挑战
- Agent长程任务规划与强化学习属于业界难题，面临计划漂移、信用分配等极高的技术挑战
角色解读
- 向大模型算法架构师或AI技术专家方向发展，主导更复杂的通用人工智能系统架构
- 带领AI算法团队，负责核心业务线的AI技术战略落地与团队技术梯队建设
- 负责大模型Agent方向的算法研发，设计并实现长程任务规划、决策与强化学习训练闭环
- 构建通用Agent Runtime及核心模块架构，支持单/多Agent、Workflow等复杂场景
- 建立完善的离线与在线评测体系，通过数据驱动和失败归因机制持续优化Agent性能
- 精通Agent规划决策、强化学习（如SFT、DPO、PPO等）及模型后训练技术
- 熟练使用LangGraph、AutoGen等主流Agent框架，深入理解Tool Calling、MCP、RAG等核心机制
- 具备丰富的Agent项目生产落地经验，能通过多维度指标（成功率、成本、延迟等）量化并优化系统效果
申请策略
- 提前了解通义千问在Agent领域的最新产品和技术博客，面试时结合具体业务场景提出你的架构思考
- 准备好应对高并发、高可用场景下Agent系统的工程化挑战问题，展现算法与工程并重的能力
- 重点突出在Agent项目中的生产落地经验，用具体数据（如成功率提升、成本降低、延迟优化）证明业务价值
- 详细展示在强化学习（RLHF、DPO、GRPO等）和模型后训练方面的实战经验及调优成果
- 列举熟悉的Agent框架（LangGraph、AutoGen等）及在Tool Calling、MCP、Multi-Agent架构设计上的深度实践
- 深入研究Agentic RL的最新论文（如Rejection Sampling、DAPO等），并尝试在开源环境中复现
- 熟悉并实操MCP（Model Context Protocol）等最新协议，提升对Agent工具调用和上下文管理的工程理解
面试指南
- STAR法则：针对具体技术难题，说明背景、任务、采取的行动（如引入某种RL算法或架构调整）及最终量化的业务收益
- 架构设计思路：从需求分析、模块拆解（规划、执行、记忆、工具）、数据流转、异常处理到评测闭环，系统性阐述设计方案
- 在长程任务规划中，如何解决计划漂移和循环调用问题？请结合具体项目说明你的Replan机制设计
- 在构建Agent RL训练闭环时，你是如何设计奖励函数（Reward Model或LLM Judge）以防止奖励投机的？
- 请对比LangGraph和AutoGen的架构差异，并说明在什么场景下你会选择哪种框架来构建Multi-Agent系统？
- 如何设计一套离线与在线结合的评测体系，来准确衡量Agent在真实业务中的任务成功率和Token成本？
- 复习强化学习在LLM中的应用（如PPO、DPO、GRPO的数学原理与工程实现细节），以及Agent领域的最新顶会论文
- 梳理自己过往项目中的失败案例（如上下文污染、工具调用失败），总结归因机制和优化方案，展现深度思考能力
职位点评
薪资福利85
成长发展95
工作生活40
使命价值85
薪资福利
85较高
作为高级算法专家岗位，薪资处于行业顶尖水平，且公司提供完善的福利体系与长期激励，物质回报丰厚。
薪资信号未披露（AI估算：6千–10万/月）
成长发展
95较高
岗位聚焦大模型Agent与强化学习等最前沿技术，依托丰富的业务场景，技术成长与行业影响力空间极大。
技术前沿前沿/新兴技术
技术栈Agent、强化学习、LangGraph、AutoGen、Tool Calling、MCP、RAG、Multi-Agent、SFT、DPO、GRPO、PPO
业务类型ambiguous
工作生活
40较低
JD未提及工作模式与WLB相关信息，无法准确评估工作生活平衡情况。
工作模式未明确
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
85较高
致力于推动大模型Agent技术的实际落地，解决长程任务规划等业界难题，对推动人工智能技术发展具有较高的社会与行业价值。
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