阿里巴巴
下一代AI智能体在在线旅行领域的研究&实践-阿里星
下一代AI智能体在在线旅行领域的研究&实践-阿里星
发布于 大约 3 小时前普通员工/个人贡献者
杭州市
无经验要求
全职员工
仅现场办公
博士
机器学习工程
Agentic Rl
Llm
Multi-Agent
Pytorch
Rlhf
Sft
Tensorflow
大模型
强化学习
AI 估算 · 40k–60k
阿里星是顶尖人才项目，薪资对标大厂高级算法岗，杭州生活成本适中，预估月薪4-6万。
职位详情
关于这个职位
这是阿里巴巴集团在在线旅行领域的前沿研究岗位，专注于设计和实现下一代具备推理和行动能力的AI智能体
你将参与大模型智能体训练框架的研发，特别是Agentic RL算法，并探索多种智能体范式，推动AI技术在旅行场景中的落地
岗位面向顶尖高校的博士或硕士毕业生，要求有顶级会议论文或引领性研究成果
最低要求
来自全球Top高校计算机科学、人工智能、数学、物理或相关领域应届博士/顶尖硕士毕业生
在国际顶级计算机会议/期刊（如NeurIPS、ICML，AAAI、ICLR、ACL等）以一作身份发表过多篇论文，或在开源社区、竞赛中展示出引领性的研究成果
对大模型技术栈有深入理解，具备CPT, LLM的SFT、RLHF等调优经验
对强化学习有扎实的理论基础，熟悉至少一种主流RL算法（如PPO、DQN、SAC等），理解Agentic RL 的核心思想，即大模型作为智能体的“大脑”进行推理和规划，而RL则用于优化其策略和行动序列，有实现智能体工具使用和函数调用能力的经验
扎实的编程基础，熟练掌握Python，至少熟悉PyTorch或TensorFlow之一的主流深度学习框架
具备强烈的求知欲、优秀的问题解决能力和团队协作精神
工作职责
设计和实现下一代具有推理和行动能力的AI智能体，推动其在在线旅行行业中的应用落地
研究、设计并实现基于大模型的智能体训练框架，特别是Agentic Reinforcement Learning (Agentic RL) 相关算法，探索和实验多种智能体范式，如ReAct、CoT、ToT 等，并将其与强化学习相结合，开发和优化智能体的推理、规划、工具使用等核心能力
大规模语言模型的预训练、有监督微调（SFT）和指令微调
Multi-agent架构的设计和实现
AI 洞察
优缺点分析
优点
- 涉及前沿的Agentic RL和LLM技术，有大量创新空间
- 在线旅行领域应用场景明确，研究成果易于落地
- 薪资和福利优厚，职业发展前景广阔
- 对学术背景要求极高，竞争激烈
- 技术前沿，需要持续学习和快速迭代
- 适合对AI智能体和强化学习有浓厚兴趣，具备顶尖学术背景和科研能力的应届博士或硕士
缺点 / 挑战
- 阿里星是阿里巴巴的高端人才项目，平台资源丰富，技术挑战大
- 工作强度大，可能面临较大的研发压力
角色解读
- 在阿里星项目中，可快速成长为AI领域的专家
- 有机会参与前沿研究并发表顶级论文，提升学术影响力
- 未来可晋升为技术团队负责人或技术总监，或转向业务管理
- 设计和实现下一代AI智能体，推动在线旅行场景的应用落地
- 研究并实现基于大模型的智能体训练框架，特别是Agentic RL算法
- 探索多种智能体范式（如ReAct、CoT、ToT）并与强化学习结合
- 参与大规模语言模型的预训练、SFT和指令微调
- 扎实的计算机科学、AI、数学或物理背景，博士或顶尖硕士
- 深入理解大模型技术栈，具备SFT、RLHF等调优经验
- 扎实的强化学习理论基础，熟悉PPO、DQN等算法
- 熟练的Python编程能力，熟悉PyTorch或TensorFlow
申请策略
- 了解阿里巴巴在AI领域的布局，特别是旅行业务
- 准备展示个人研究如何与业务结合，体现商业价值
- 突出在顶级会议或期刊上的论文发表，特别是以一作身份
- 强调在开源社区或竞赛中的引领性成果
- 详细描述在LLM、SFT、RLHF等大模型调优方面的实际经验
- 展示强化学习算法的实现和智能体工具使用的项目经历
- 深入理解Agentic RL的核心思想，并尝试实现简单的智能体
- 熟悉主流大模型框架，如PyTorch和TensorFlow，并掌握分布式训练
面试指南
- 使用STAR法则回答行为问题，突出结果和影响
- 对于技术问题，先阐述原理，再结合实例，最后总结
- 展示对前沿技术的热情和持续学习的能力
- 请介绍你的研究经历，特别是与LLM或强化学习相关的项目
- 如何设计一个智能体来规划旅行行程？
- 解释Agentic RL的核心思想，并举例说明
- 如何优化大模型的推理效率？
- 你如何应对技术挑战和快速变化的研究方向？
职位点评
75
综合评分
顶级AI研究岗位，技术前沿，薪资高，但工作强度大，WLB一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求技术前沿和快速成长，对薪资和WLB要求不高的应届博士或硕士。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活40
使命价值70
薪资福利
80较高
阿里巴巴作为大厂，提供有竞争力的薪资和福利，但具体薪资未披露，且工作强度可能较高。
薪资信号未披露（AI估算：40K-60K/月）
成长发展
95较高
该职位处于AI前沿，涉及Agentic RL和LLM，技术成长空间大，且阿里星项目提供良好的发展平台。
技术前沿前沿/新兴技术
技术栈Agentic RL、LLM、SFT、RLHF、ReAct、CoT、ToT
业务类型ambiguous
工作生活
40较低
工作地点在杭州，需要现场办公，未提及远程或弹性工作，且互联网大厂工作强度可能较大。
工作模式仅现场办公
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
70中等
在线旅行领域应用AI，具有商业价值，但社会影响力一般，行业处于成熟期。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs