阿里巴巴
研究型实习生-Agent模型后训练-Accio Work
研究型实习生-Agent模型后训练-Accio Work
发布于 5 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Agentic Llm
Computer-Use Agent
Mcp
Multi-Step Reasoning
Rl
Sft
Black-Box Agent
值不值得投
78综合评分
综合评分 78
阿里大模型核心团队研究型实习，技术前沿且极具发展潜力，适合追求技术突破的AI硕博人才。
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
9千
与机器学习工程中位数基本持平
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 3430 个在招 · 其中机器学习工程 约 190 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 500 个在招
职位详情
关于这个职位
该职位是阿里巴巴Accio团队的研究型实习生，主要参与大规模Agentic LLM的全链路后训练研发，涵盖Mid-train、SFT及RL阶段
你将深入研究Black-box Agent RL、长程推理以及Computer-Use Agent系统建设，探索大模型在代码生成和计算机使用等前沿领域的能力边界
最低要求
深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位，业界AI/Agent团队的相关实习和工作经验
有较好工程能力，有Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先
有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代
工作职责
核心模型演进： 深度参与大规模 Agentic LLM 的全链路研发，涵盖 Mid-train/CPT、SFT 及 RL 阶段，探索领域知识增强与多任务学习的前沿技术，表现突出者可在核心tech report中署名
工程化与基准建设： 参与构建代码库级别的 Benchmark，优化模型在多语言、多框架环境下的跨模块调用与依赖分析性能
Black-box Agent RL & Online Learning
a. 策略建模与优化： 深入研究 Black-box Reward/Value Function 的建模，解决 Agent 在不可导环境反馈下的策略梯度估计问题
b. 持续探索架构： 设计并实现高性能的 Online RL 框架，支持 Agent 在真实操作系统与开发环境中进行大规模并发探索与在线策略迭代
c. 长程推理研究： 针对 Long-horizon RL 场景，攻克 Credit Assignment（信用分配）难题，提升 Agent 在多步推理（Multi-step Reasoning）下的决策稳定性
Computer-Use Agent 系统建设
a. 全链路数据 Scaling： 参与构建海量真实用户交互数据的自动化生产流水线，覆盖办公场景与自动化流程，实现数据的高效回流与训练闭环
b. 数字任务执行核： 开发基于 Bash、Skills、MCP（Model Context Protocol）的执行引擎，构建能够熟练使用各种 CLI 工具与数字插件的 Agent 核心模型
c. 多场景交互闭环： 探索 Agent 与真实操作系统、浏览器及专业开发环境的交互，在 Terminal、MLE-bench 等复杂基准测试中验证模型的端到端任务完成率
优先资格
在ICLR、CVPR、ICCV、ACL、NeurIPS等顶会上发表过高质量论文
有高质量github开源项目
AI 洞察
优缺点分析
优点
- 接触T级规模模型训练与最前沿的Agentic AI技术，技术视野与能力天花板极高
- 团队背景顶尖，支持开源与顶会论文发表，对学术与工业界双重发展大有裨益
- 核心业务方向，表现优异者有极高概率获得转正机会或核心项目署名
- 适合具备扎实算法基础与强工程能力，对大模型和Agent技术有浓厚兴趣，且有志于在AI前沿领域发表顶会或深耕工业界的硕博研究生
缺点 / 挑战
- 大模型后训练与Agent RL属于前沿探索领域，技术迭代极快，面临较高的研发不确定性
- 对算法深度与工程落地能力要求双高，需要承受较大的科研与项目交付压力
角色解读
- 表现突出者可在核心tech report中署名，并支持顶会论文发表与项目开源
- 未来可成长为大模型算法专家或Agent系统架构师，在AI前沿领域持续深耕
- 参与大规模Agentic LLM的全链路后训练研发，涵盖Mid-train、SFT及RL阶段
- 深入研究Black-box Agent RL与长程推理，解决不可导环境下的策略梯度估计与信用分配难题
- 构建Computer-Use Agent系统，开发执行引擎并实现海量交互数据的自动化生产与训练闭环
- 具备扎实的机器学习与深度学习基础，熟悉大模型后训练（SFT/RL）流程
- 拥有较强的工程实现能力，熟悉Agent构建、记忆系统及多智能体协作设计
- 具备优秀的科研能力，能够阅读并复现前沿论文，解决复杂的算法与工程问题
申请策略
- 提前了解Accio团队近期的开源项目或发表的论文，在面试中展现对团队技术方向的深刻理解
- 准备好针对Agent记忆系统、多智能体协作等具体技术细节的深度探讨
- 突出在大模型后训练（SFT/RL）、强化学习或Agent系统构建方面的具体项目经验与成果
- 详细列出在ICLR、NeurIPS等顶会发表的论文，或高Star的GitHub开源项目
- 强调处理大规模数据、构建Benchmark或优化复杂系统性能的工程落地能力
- 深入学习Black-box RL、Long-horizon RL及Credit Assignment等前沿强化学习理论
- 熟悉MCP（Model Context Protocol）及各类CLI工具，提升Computer-Use Agent的实操开发能力
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、行动和结果，突出个人贡献与技术难点
- 理论+实践：回答算法问题时，先简述理论推导（如RL公式），再结合具体代码或工程实现说明落地细节
- 请详细介绍你在Black-box Reward/Value Function建模或策略梯度估计方面的研究或项目经验
- 在构建Coding/Search Agent时，你是如何解决长程推理中的信用分配（Credit Assignment）问题的？
- 请分享一个你主导的复杂工程化项目，如何优化模型在多语言、多框架环境下的跨模块调用性能？
- 针对Computer-Use Agent，你认为目前端到端任务完成率的主要瓶颈是什么？你会如何设计数据Scaling流水线？
- 复习强化学习基础，特别是PPO、RLHF以及Black-box RL的最新进展，准备好推导细节
- 梳理自己过往项目中的技术难点，准备2-3个能够深入展开讨论的硬核技术案例
职位点评
薪资福利75
成长发展95
工作生活50
使命价值85
薪资福利
75中等
作为头部企业的研究型实习岗位，实习津贴处于市场较高水平，但实习性质决定了其长期财务回报需看转正后的正式薪资。
薪资信号偏高 (6千–1.2万/月)
成长发展
95较高
岗位直接参与T级规模模型训练，支持顶会论文发表与开源，技术前沿性极强，是AI领域极佳的发展平台。
技术前沿前沿/新兴技术
技术栈Agentic LLM、SFT、RL、Black-box Agent RL、Online Learning、Computer-Use Agent、MCP
成长机会支持项目开源和顶会论文发表、表现突出者可在核心tech report中署名
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，但大模型研发岗位通常工作节奏较快，需做好应对高强度工作的准备。
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Agentic AI与Computer-Use等前沿领域，推动大模型在真实环境中的落地，具有较高的技术使命感与行业影响力。
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）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs