阿里巴巴
算法工程师-Agent在线强化学习（T-Star Lab）
算法工程师-Agent在线强化学习（T-Star Lab）
发布于 1 小时前实习/见习
实习生仅现场办公AI算法
AI算法
Llm
Ppo
Pytorch
强化学习 (Rl)
运筹学
顶会论文
值不值得投
72综合评分
综合评分 72
顶尖平台、前沿技术、高成长回报，但工作强度大、WLB一般
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，方便比较实习机会。
薪资怎么样
2.3万
比AI算法中位数低
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 4530 个在招 · 其中AI算法 24 个
市场机会
选择适中
杭州 · AI算法 · 21 个在招
职位详情
关于这个职位
作为阿里T-Star计划顶尖实习生，你将深入淘天集团核心业务场景，专注于Agent在线强化学习的前沿研究
主要工作包括构建本体约束的RL框架、开发LLM-RL协同决策算法，并在双11/618等大促场景中验证系统效果，实现从理论到亿级数据落地的闭环
最低要求
计算机科学、人工智能、运筹学、自动化等相关方向博士
扎实的强化学习理论功底，精通主流RL算法（Policy Gradient/PPO/GRPO及其变体），有实际实现与调优经验
熟练Python + PyTorch，具备生产级代码交付能力
在ICML/NeurIPS/ICLR/AAAI/ACL/WWW等顶会有一作或共同一作论文发表，或有等价的突出研究成果
第一性原理思维：能从问题本质出发设计方案，而非套用现有方法
理论与实践并重：既能推公式证定理，也能写出高质量生产代码
大促体感：对“安全红线”有敬畏心，理解生产环境不允许trial-and-error
跨域学习能力：愿意深入理解业务/运维/研发领域知识，而非将其视为黑箱
长期主义：认同“自进化”的愿景，愿意用3年时间构建有壁垒的系统
工作职责
理论研究：负责本体约束的在线强化学习框架建模，并进行理论证明、自进化的收敛性分析
算法开发：设计并实现本体增强的安全在线RL算法族、LLM-RL协同决策算法、跨大促Meta-RL与经验固化算法
场景落地：在双11/618等真实大促中验证系统效果
与SRE/研发团队协作确保决策可信赖
量化评估业务价值
优先资格
加分项：
● 包括安全强化学习、在线学习、元学习、多智能体，了解本体工程、神经符号推理，有LLM与决策系统结合的研究经验，了解大规模分布式系统、AIOps、SRE相关背景知识，有扎实的数学功底，包括优化理论、概率论、随机过程功底扎实，能独立完成定理证明
AI 洞察
优缺点分析
优点
- 平台极高：阿里T-Star计划汇聚顶尖人才，资源投入巨大，接触亿级数据与真实业务场景
- 技术前沿：聚焦LLM+RL、Agent等最新研究方向，具有极高的学术与工业界价值
- 门槛极高：要求博士学历及顶会一作，竞争极其激烈
- 节奏快：大促期间工作强度大，需快速响应业务需求
- 适合追求技术极致、具备深厚科研背景、渴望在大规模真实场景中验证AI理论的博士级候选人
缺点 / 挑战
- 成长迅速：在高压高挑战环境下，能快速提升理论深度与工程实践能力
- 压力大：需兼顾理论创新与生产环境稳定性，对算法的安全性和鲁棒性要求极高
角色解读
- 成为AI前沿领域的专家型研究者，特别是在Agent与强化学习交叉方向
- 积累亿级流量场景下的算法落地经验，提升工程化与系统化思维能力
- 未来可向首席科学家、技术总监或独立负责核心算法团队的管理岗位发展
- 进行在线强化学习框架的理论建模与收敛性证明，解决本体约束下的算法难题
- 开发基于LLM与RL协同的决策算法，以及应对大促场景的Meta-RL算法
- 将算法部署到双11/618等真实业务环境中，与SRE协作确保系统安全与稳定
- 深厚的强化学习理论基础，精通PPO、GRPO等主流算法及其变体
- 优秀的编程能力，熟练使用Python和PyTorch，具备生产级代码交付能力
- 极强的科研能力，需在顶级会议发表论文或拥有同等水平的研究成果
- 跨领域学习能力，能理解业务逻辑、运维知识及分布式系统架构
申请策略
- 准备详细的科研成果陈述，能够清晰阐述研究动机、方法与贡献
- 关注阿里达摩院或淘天技术团队的最新动态，展现对业务的深刻理解
- 突出顶会论文发表情况，详细列出研究方向与贡献
- 强调强化学习相关的实战项目经验，特别是涉及复杂决策或大规模系统的案例
- 展示高质量的代码能力，如GitHub开源项目或生产级代码经历
- 深入研读最新RL与LLM结合的前沿论文，保持对新技术的敏感度
- 加强工程落地能力，熟悉大规模分布式训练与部署流程
- 补充业务理解能力，了解电商大促场景下的核心痛点与指标
面试指南
- STAR法则：情境、任务、行动、结果，清晰描述科研或项目经历
- 理论结合实践：不仅讲清楚数学推导，还要说明在实际系统中的表现与优化
- 批判性思维：展示对现有方法的局限性的理解，并提出自己的改进思路
- 请详细介绍你的一篇顶会论文，其核心创新点是什么？
- 在在线强化学习中，如何处理探索与利用的平衡？
- 如何将LLM的能力整合到强化学习框架中？
- 在生产环境中，如何确保RL决策的安全性？
- 面对大促期间的突发流量，你的算法如何自适应调整？
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
作为顶尖校招实习项目，薪资水平显著高于市场平均，且背靠阿里平台，福利保障完善，对补偿性动机满足度较高。
薪资信号偏高 (1.5千–3.0万/月)
成长发展
95较高
提供极具挑战的前沿课题与亿级规模数据，导师资源丰富，成长路径清晰，对发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈强化学习、LLM、Agent、PyTorch、PPO、GRPO、Meta-RL
成长机会T-Star计划、顶尖人才招聘和培养项目、探索和实践最前沿的Al技术
业务类型profit_center
工作生活
40较低
互联网大厂核心研发岗位，尤其涉及大促场景，工作强度较大，WLB相对一般，对生活化动机满足度有限。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
80较高
致力于推动AI技术在真实业务场景中的落地，解决复杂决策问题，具有显著的技术价值与社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号探索和实践最前沿的Al技术、在有价值的业务场景落地技术成果
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
Industrial Engineering ES
德科斯米尔 · 沈阳市
AI 估算 · 1.8–3.0万36 分钟前发布
AI Agent开发工程师（Agent方向）
小红书 · 北京市
AI 估算 · 3.5–6.0万3 小时前发布
Agent开发工程师-（点点急）
小红书 · 北京市
AI 估算 · 3.0–5.0万3 小时前发布
实习生-AI Agent 实习生招聘
阅文集团 · 上海市
AI 估算 · 0.2–0.4千3 小时前发布
算法实习生
万兴科技 · 长沙市
AI 估算 · 6.0千–1.0万3 小时前发布
业务技术-AI Agent 开发工程师-营销工具
天猫 · 杭州市
AI 估算 · 3.0–5.0万3 小时前发布
Watch Jobs