阿里巴巴
千问事业部-智能体自进化算法工程师／专家（Agentic RL / RSI）-千问学习-北京
千问事业部-智能体自进化算法工程师／专家（Agentic RL / RSI）-千问学习-北京
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Agentic Rl
Agent架构
Grpo
Sft
大模型
强化学习
值不值得投
77综合评分
综合评分 77
阿里核心AI前沿技术岗，高薪资高成长，技术挑战极大，工作强度较高
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比AI算法中位数高
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 4490 个在招 · 其中AI算法 2 个
市场机会
选择不多
北京 · AI算法 · 10 个在招
职位详情
关于这个职位
负责千问大模型Agent的自进化与Agentic RL研究，构建递归自我改进闭环
设计复杂任务架构、多Agent协作及持续学习机制，优化工具集成与效果评测，推动智能体在真实场景中的落地迭代
最低要求
计算机、人工智能、数学等相关专业本科及以上学历，具备 2 年及以上大模型相关研发经验，有 Agent、复杂推理或智能应用的完整项目经验
深入理解 Agent 的规划、记忆、工具调用及多 Agent 协作机制，能够独立设计复杂任务的执行架构，并定位模型能力、上下文、工作流及工具环境中的关键瓶颈
在 RSI、自进化 Agent、Agentic RL、Self-Play、持续学习或在线蒸馏中，至少一个方向具有深入研究或实践
能够基于任务反馈提出优化方法，并通过独立实验验证收益及跨任务迁移能力
熟练使用 Python，具备扎实的算法实现与工程调试能力
熟悉模型训练或 Agent 运行框架，能够完成工具接入、交互轨迹采集、实验回放与效果分析
工作职责
RSI 与 Agent 自进化：面向专业研究、办公协作、数据分析、学习服务等场景，研究递归自我改进（RSI）机制，构建“任务执行—效果评测—失败诊断—策略改进—独立验证”的迭代闭环，使 Agent 能够持续优化任务规划、工具使用、记忆及协作策略
复杂任务 Agent 架构设计：围绕资料调研与交叉核验、文档与数据处理、专业问题求解等长程任务，设计任务拆解、动态规划、多 Agent 协作与失败恢复机制，提升复杂任务的完成质量、成功率和稳定性
经验积累与持续学习：研究长期记忆、经验抽象、技能沉淀与持续学习，探索上下文、记忆、工作流和模型参数的协同更新，让单次任务中获得的有效经验能够迁移到后续任务及不同场景，同时控制遗忘与负迁移
Agentic RL 与自主探索：结合 Agentic RL、Self-Play、自适应课程和在线蒸馏，研究任务生成、交互探索、奖励设计及信用分配，优化多轮决策与工具调用策略，并将经过验证的有效行为沉淀为稳定的模型能力
工具集成与效果闭环：深度集成搜索、浏览器、代码执行及专业工具，建设任务级评测与轨迹分析体系，从交付质量、任务成功率、泛化能力、成本和时延等维度验证改进，推动 Agent 在真实场景中落地并持续迭代
优先资格
有 SFT、GRPO／RLVR、OPD／MOPD／OPSD 实践经验者优先
具备良好的研究判断、沟通协作与交付能力，能够从真实场景中抽象问题、设计对照实验并推动迭代
重视评测独立性、结果可复现性及长期效果
有高质量论文、开源贡献或可验证的 Agent 落地成果者优先
AI 洞察
优缺点分析
优点
- 处于AI最前沿赛道，接触行业顶尖技术与数据资源
- 依托阿里平台，拥有强大的算力支持与落地场景
- 对研究成果的落地效果要求极高，需兼顾理论与工程
- 竞争激烈，需持续产出高质量论文或开源贡献
- 适合在大模型与Agent领域有深厚积累、追求技术突破的研发人员
缺点 / 挑战
- 技术挑战性强，个人成长速度快，行业认可度高
- 技术迭代极快，需保持高强度的学习与研究压力
角色解读
- 成为AI Agent领域的顶级专家，主导前沿技术攻关
- 向AI系统架构师方向发展，负责整体智能体平台设计
- 晋升为技术负责人，带领团队进行商业化Agent产品的落地
- 研究并实现Agent的递归自我改进（RSI）机制，构建任务迭代闭环
- 设计复杂长程任务的Agent架构，包括多Agent协作与失败恢复
- 探索持续学习与经验迁移技术，优化Agent的长期记忆与技能沉淀
- 应用Agentic RL等技术优化Agent的工具调用与自主探索策略
- 精通Python及算法工程实现，熟悉大模型训练框架
- 深入理解Agentic RL、RSI、Self-Play等前沿AI技术
- 具备Agent架构设计能力，熟悉规划、记忆、工具调用机制
- 拥有大模型研发经验，熟悉SFT、RLVR等微调技术
申请策略
- 准备详细的技术方案阐述，展示对Agent自进化的独特见解
- 关注阿里通义实验室的最新技术动态与产品方向
- 突出Agent相关项目经验，特别是复杂任务处理与多Agent协作案例
- 强调在Agentic RL、RSI等特定方向的深入研究与实践成果
- 展示高质量的论文、开源项目或可验证的落地应用
- 深入研读最新Agentic RL与Self-Play相关论文
- 加强大模型微调（SFT/RLVR）的工程实践能力
- 提升复杂系统架构设计与性能优化技巧
面试指南
- STAR法则：情境-任务-行动-结果，重点突出技术难点与解决方案
- 理论结合实践：先阐述理论基础，再结合具体项目数据说明效果
- 批判性思维：不仅展示成功经验，也要分析失败案例与改进空间
- 请详细描述你过往项目中Agent的规划与记忆机制是如何设计的？
- 如何在Agentic RL中解决奖励稀疏和信用分配问题？
- 请谈谈你对RSI（递归自我改进）机制的理解及其在实际应用中的挑战
- 如何评估和优化Agent在复杂长程任务中的表现？
- 复习强化学习与大模型微调的核心算法原理
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
作为上市巨头企业的核心算法岗，薪资水平处于市场高位，且通常包含丰厚的股票期权与年终奖，福利体系完善。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
95较高
职位聚焦于Agentic RL与RSI等前沿技术领域，提供极高的技术成长空间与研究自由度，是典型的利润中心核心研发岗。
技术前沿前沿/新兴技术
技术栈Agentic RL、RSI、Self-Play、SFT、GRPO、RLVR
业务类型profit_center
工作生活
40较低
互联网大厂核心研发岗通常工作节奏较快，JD未提及弹性工作制或不加班政策，暗示较高的工作强度投入。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
致力于推动AI Agent在专业研究与办公协作等场景的落地，具有显著的技术创新价值与社会生产力提升意义。
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）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs