阿里巴巴
研究型实习生（Research Intern）— Agent 自进化与 Skill 迭代方向
研究型实习生（Research Intern）— Agent 自进化与 Skill 迭代方向
发布于 3 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Nlp
大语言模型(Llm)
强化学习
提示词工程
智能体(Agent)
算法研发
值不值得投
75综合评分
综合评分 75
顶尖大厂核心AI研发实习，技术极度前沿且学术产出导向强，适合志在科研突破的硕博生
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
1.1万
比人工智能中位数高
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 3760 个在招 · 其中人工智能 约 380 个
市场机会
选择面较广
杭州 · 人工智能 · 约 450 个在招
职位详情
关于这个职位
负责阿里巴巴Agent自进化与Skill迭代方向的实习研究岗位
主要参与大模型智能体核心算法研发、技能全生命周期管理及Prompt优化等工作，跟踪前沿论文并设计自动化实验管线，最终将研究成果转化为顶会论文、专利或业务落地方案
适合具备扎实NLP/LLM基础与Python工程能力的硕博在校生
最低要求
● 计算机科学、人工智能、软件工程等相关专业硕士或博士在读，扎实的 NLP / LLM 基础
● 熟悉主流大模型 API 与 Agent 框架/范式（如 ReAct、DSPy、LangChain、AutoGen等至少其一）
● 熟悉以下至少一个技术方向：
○ Self-Reflection / Reflexion / LATS / ReAct 等范式
○ Skill 自动化生成与迭代
○ Prompt Engineering、Prompt 优化与蒸馏
○ 强化学习
● 优秀的代码工程能力，熟练使用 Python，能独立完成算法实现、实验追踪与结果分析
工作职责
● Agent 自迭代机制的核心技术研发，如Reflexion 反思框架、多 Agent 互纠错等算法设计与系统实现
● Skill 全生命周期管理研究，包括从历史执行轨迹中沉淀可复用经验、在任务运行时动态检索并反哺经验库、设计 Skill 的自动生成与持续迭代机制，覆盖模式识别、抽象沉淀、效果验证、优化淘汰等完整生命周期
● 跟踪并复现GEPA、Trace2Skill、EvoSkill、SkillOpt等Skill进化方向的代表性工作，提炼可落地的算法模块
● 设计自动化实验管线，构建验证集门控、minibatch 反思、学习率调度等Agent自进化机制，持续迭代 Agent 配置质量
● 将研究成果转化为论文、专利、开源代码或业务场景的落地方案
优先资格
● 加分项：
○ 有 ACL / ICML / NeurIPS / ICLR / WWW 等顶会论文或投稿经历
○ ACM / Kaggle / 天池等竞赛获奖
○ 有开源项目贡献或技术博客
AI 洞察
优缺点分析
优点
- 接触业界最前沿的Agent自进化技术，技术栈极具前瞻性
- 依托阿里庞大算力与真实业务场景，研究成果易落地转化
- 简历含金量极高，对后续申请顶尖高校或大厂核心研发岗助益巨大
- 学术门槛极高，需具备扎实的科研思维与独立攻关能力
- 适合追求技术深度、热爱科研创新、具备较强自学能力与抗压能力的计算机/AI专业硕博在校生
缺点 / 挑战
- 实验调试周期长，面临算法收敛难、环境配置复杂等技术瓶颈
- 竞争压力大，需持续跟进最新顶会文献保持技术敏感度
角色解读
- 可向首席AI研究员、算法科学家方向发展
- 也可转型为大模型产品架构师或AI技术负责人
- 在学术界可继续深耕顶会发表，积累深厚的科研影响力
- 深入探索大模型智能体的自进化机制，研发多Agent协作与自我反思算法
- 构建Skill自动化沉淀与迭代系统，设计完整的实验验证管线
- 跟踪国际顶会前沿成果，输出学术论文、专利或开源项目
- 扎实的NLP与大语言模型理论基础
- 熟练掌握Python编程及主流Agent框架（LangChain/AutoGen等）
- 精通提示词工程、强化学习或自我反思范式中的至少一项
- 具备独立的算法实现、实验追踪与数据分析能力
申请策略
- 主动了解阿里通义实验室或达摩院近期在Agent方向的公开成果
- 准备1-2个完整的算法实验案例，清晰阐述问题定义、方法设计与消融实验过程
- 重点突出与LLM/Agent相关的科研项目经历、顶会论文/投稿状态及高质量开源贡献
- 详细列出掌握的Agent框架、提示词优化技巧及强化学习实战细节
- 提前复现JD提及的GEPA、Trace2Skill等代表性论文代码
- 深入学习ReAct、Reflexion等范式的底层逻辑
- 强化Python实验追踪工具（如Weights & Biases）的使用熟练度
面试指南
- 采用STAR法则结构化阐述项目背景、你的具体贡献、技术选型依据及量化结果
- 针对算法问题，先说明理论假设，再结合实验设计、基线对比与失败案例分析展示系统性排查思路
- 请详细介绍你过往与大模型/Agent相关的科研或项目经历
- 如何设计实验来验证Agent的自我反思机制是否有效？
- 遇到训练不收敛或Reward hacking问题时如何解决？
- 针对Prompt优化，你会采用哪些蒸馏或自动化策略？
- 精读近半年AI顶会关于Agent自进化与Skill管理的论文，梳理技术演进脉络
- 复习大模型基础原理与强化学习核心算法
职位点评
薪资福利60
成长发展95
工作生活50
使命价值85
薪资福利
60中等
薪资未明确披露，参考同类岗位市场水平属于中等偏上，但实习期主要侧重学术与技术积累，经济回报非首要考量。
薪资信号未披露（AI估算：9.0千–1.3万/月）
成长发展
95较高
岗位直接聚焦Agent自进化与Skill迭代等AI最前沿方向，提供顶会发表、专利产出及开源机会，技术成长与学术晋升路径极为清晰。
技术前沿前沿/新兴技术
技术栈Agent、LLM、NLP、Prompt Engineering、强化学习、LangChain、ReAct
业务类型ambiguous
工作生活
50较低
互联网大厂核心研发岗通常节奏较快，JD未明确提及弹性工时或远程政策，高强度科研与实验调试可能带来一定工作压力。
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
致力于推动AI智能体自主进化与技能自动化，具有显著的技术突破意义与行业引领价值，契合追求技术变革与社会影响力的求职者。
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