Alibaba logo
阿里巴巴
千问事业部-AI Agent算法专家(消费决策方向)-杭州/北京

千问事业部-AI Agent算法专家(消费决策方向)-杭州/北京

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 6.0–10.0万 · AI 参考估算
高级经验
博士
全职员工仅现场办公AI算法
AI算法
Agentic Rl
Dpo
Grpo
Llm-Based Agent
Rag
Rlhf
电商推荐

值不值得投

76综合评分

综合评分 76

前沿Agent算法专家岗,技术成长强、商业场景丰富,办公灵活性未披露。

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

8.0万

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 5250 个在招 · 其中AI算法 约 120 个

市场机会

选择面较广

杭州 · AI算法 · 约 130 个在招

职位详情

关于这个职位

该职位聚焦千问C端消费决策Agent,将大模型与阿里电商的商品、交易、履约和用户意图数据结合,打造AI Native购物建议与闭环体验

你将主导Agent架构、agentic训练对齐、工具调用、记忆体系与评测闭环,推动下一代个性化消费决策能力落地

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、强化学习等有深刻理解和实战经验
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、RSI、熟悉主流 RL 训练框架者优先

工作职责

能力定义与技术规划

深入理解用户真实购物需求和使用场景,制定并执行消费决策 Agent 的中长期技术演进路线图
密切追踪 Agentic AI 领域最新进展,包括 Agent 架构范式(ReAct/plan-and-execute/多智能体协作等)、Agentic RL、工具学习、个性化决策、长程自主执行等方向
Agentic训练与对齐
主导大模型在 agentic 场景下的 post-training 与对齐工作,包括 agentic SFT、面向工具使用与多步任务的强化学习(RLHF/RLAIF/DPO/GRPO 等)、奖励设计与可验证奖励、长程任务的信用分配、reward hacking 的识别与对抗等、多目标权衡、URM等,设计高效的样本构建流水线,推动 agentic 能力的持续提升
递归自我改进(RSI)闭环
让系统自动挖掘失败案例、生成训练数据与环境、评测修正并迭代 Prompt、Skill 和工具
构建 Agent 自我进化机制(如 Self-reflection、持续学习),使 Agent 能通过任务反馈自主迭代执行策略
电商工具融合与环境交互
模型与电商生态能力(商品搜索/比价/优惠计算/商详查询/下单交易/物流履约)深度动态融合,解决工具语义理解与选择、参数生成与合法性校验、多工具编排与并发、observation 的理解与可信度判定、执行结果回查验证等核心问题
设计并优化可扩展的工具调用框架与高保真仿真环境,显著提升智能体在真实交易场景下的任务完成率与结论可信度
领域知识注入与专业能力进化
设计商品知识、消费规则、平台策略等外部知识结构化注入方案,使 Agent 具备对商品参数、价格趋势、适用场景等专业信息的理解与推理能力
探索 RAG 与参数化知识融合路径,平衡知识时效性与推理深度
上下文(Context)与记忆(Memory)体系
主导设计用户偏好、当次任务约束、候选商品与工具结果的文本化表示、检索与更新机制
解决长对话中的指代消解、约束变更与信息过期、候选商品规模膨胀下的有效压缩等难题
设计长期记忆的写入、整合与遗忘机制,让 Agent 在跨会话、长周期的陪伴中持续理解用户,并把真实反馈转化为偏好与评测信号
Benchmark与评估体系
深入理解用户真实购物需求和使用场景,建立并完善科学全面的消费决策能力评测体系,精准衡量智能体的决策质量(任务完成率/约束满足率/事实准确性/推荐相关性/效率与成本等),覆盖过程评估与结果评估
探索 Agent-as-Judge 等前沿评测方法,以及针对性的消费 Agent benchmark 建设,设计并驱动高效的数据闭环系统,利用真实用户的任务轨迹、放弃行为与显式反馈,持续、自动化地优化模型

优先资格

具备以下条件者将获得优先考虑:

● 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
● 有将前沿 agentic 技术成功应用于大规模商业产品的经验
● 有电商行业经验

AI 洞察

优缺点分析

优点

  • 业务场景拥有商品、交易、履约和真实用户意图等丰富数据,适合做高复杂度Agent评测与闭环优化
  • 职位强调核心能力定义与技术规划,算法专家有较大空间参与路线图设计和系统级创新
  • 对顶会论文、知名Agent项目、商业产品落地和电商经验均有明确偏好,适合有高影响力成果的人展示优势
  • 技术栈跨度大,既要懂强化学习、对齐和Agent架构,也要理解电商工具链、商品知识和用户偏好建模
  • 消费决策场景对事实准确性、可信度和交易闭环要求高,评测与线上优化难度较大
  • 岗位要求博士优先且强调一流技术水准和公认成果,候选竞争预计较强
  • 适合具备LLM/Agent/强化学习深厚积累,并希望把前沿算法落到大规模消费决策产品中的高级算法人才

缺点 / 挑战

  • 岗位处于LLM Agent与电商消费决策结合的前沿场景,技术挑战高,能积累稀缺的agentic训练与商业落地经验

角色解读

  • 可在消费决策Agent、Personal Agent和AI Native电商方向持续深耕,成为大模型智能体算法专家或技术负责人
  • 未来可向AI产品商业化、电商智能化架构、通用Agent平台建设等方向扩展,承担更大规模技术规划职责
  • 积累大规模商业产品落地经验后,也可走向技术管理、首席专家或跨业务AI战略角色
  • 定义并规划消费决策Agent的技术路线,围绕购物需求理解、商品理解、推理决策和交易闭环设计系统能力
  • 主导agentic SFT、RLHF/RLAIF/DPO/GRPO等训练与对齐工作,提升工具使用、多步任务执行和长程决策能力
  • 打通商品搜索、比价、优惠计算、商详查询、下单交易、物流履约等电商工具,构建高保真仿真环境和工具调用框架
  • 建设Context/Memory体系、Benchmark与数据闭环,用真实用户反馈持续优化Agent决策质量和可信度
  • 需要扎实的LLM、NLP和Agent基础,熟悉ReAct、plan-and-execute、多智能体协作、工具学习与function calling
  • 需要掌握大模型post-training与对齐技术,包括agentic SFT、RLHF/RLAIF/DPO/GRPO、奖励设计、信用分配和reward hacking对抗
  • 需要具备系统设计与工程落地能力,能设计工具调用框架、仿真环境、RAG与参数化知识融合方案、长期记忆机制
  • 需要较强的评测体系构建能力,能围绕任务完成率、约束满足率、事实准确性、推荐相关性等指标建立数据闭环

申请策略

  • 申请时建议明确选择北京或杭州,并准备好说明自己更适配哪个办公地点及原因
  • 关注千问C端Personal Agent和阿里电商AI化方向,面试中尽量用业务语言解释技术方案如何提升任务完成率和结论可信度
  • 重点突出你主导或核心参与的Agent、code agent、autonomous agent或LLM商业产品项目,说明技术难点、你的贡献和最终指标提升
  • 明确列出agentic SFT、RLHF/RLAIF/DPO/GRPO、function calling、多工具编排、长程任务优化等实际经验
  • 如果有NeurIPS、ICML、ICLR、ACL、EMNLP等顶会论文,需放在显眼位置,并说明与Agent、RL或决策优化的关联
  • 补充电商、推荐、搜索、交易履约或用户偏好建模经验,体现你能理解消费决策场景的复杂性
  • 面试前系统梳理Agent架构范式、agentic RL、奖励设计、可验证奖励、长程信用分配和reward hacking对抗方法
  • 准备一个完整案例,讲清楚如何从失败案例挖掘、数据构建、训练对齐、评测到线上反馈闭环持续优化Agent

面试指南

  • 用“场景目标—系统架构—训练策略—评测指标—线上闭环”的结构回答Agent设计题,避免只讲单点模型能力
  • 对训练与对齐问题,按“数据构建—SFT冷启动—RL优化—奖励设计—失败案例回流—安全与可信约束”展开
  • 对项目经历,使用STAR框架,并重点量化任务完成率、约束满足率、事实准确性、成本、延迟或业务转化等指标
  • 你如何设计一个面向消费决策的Agent架构,覆盖需求理解、商品比较、工具调用和最终下单闭环?
  • 在agentic场景下,如何做SFT、RLHF/RLAIF/DPO/GRPO训练?奖励函数如何设计,如何避免reward hacking?
  • 面对长程任务和多工具编排,如何处理参数生成、合法性校验、observation可信度判定和执行结果回查?
  • 如何构建消费决策Agent的Benchmark?除了任务完成率,还会关注哪些过程指标和结果指标?
  • 请介绍一个你主导的Agent或强化学习项目,说明核心技术难点、你的贡献和量化效果

职位点评

薪资福利78
成长发展92
工作生活48
使命价值80

薪资福利

78中等

JD未披露薪资与福利信息,但岗位为高门槛AI算法专家,通常对高级算法人才具备较强薪资吸引力。稳定性与福利细节未提及,无法进一步判断。

薪资信号未披露(AI估算:6.0千–10.0万/月)

成长发展

92较高

岗位覆盖Agent架构、agentic训练、RSI、工具融合、记忆体系和Benchmark等前沿方向,技术成长空间非常强。JD明确涉及技术演进路线图和前沿方法追踪,但未提供培训或晋升路径信息。

技术前沿前沿/新兴技术
技术栈Agentic AI、LLM-based Agent、ReAct、plan-and-execute、多智能体协作、Agentic RL、工具学习、agentic SFT、RLHF、RLAIF、DPO、GRPO、RSI、RAG、Agent-as-Judge
业务类型profit_center

工作生活

48较低

JD仅明确北京/杭州两个工作城市,未说明远程、混合办公、弹性工时或休假信息。生活化动机相关线索不足,通勤与办公灵活性需进一步确认。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

80较高

岗位目标是为用户提供客观、专业、全面、个性化的消费建议和闭环体验,并推动AI Native电商新范式,具有一定技术创新和业务价值。JD未直接表达社会使命或公共价值导向。

行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新(行业首创)
Watch Jobs