阿里巴巴
研究型实习生-Agentic Post-training-Accio Work
研究型实习生-Agentic Post-training-Accio Work
发布于 大约 9 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 Rl
Agent系统
Post-Training
Pytorch
Verl
分布式训练
多智能体系统
大模型
强化学习
值不值得投
81综合评分
综合评分 81
顶尖团队前沿研究实习，技术成长性强，薪资福利未披露。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
7K
比机器学习工程中位数低
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 2240 个在招 · 其中机器学习工程 约 150 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 280 个在招
职位详情
关于这个职位
这是阿里巴巴国际数字商业集团Accio团队的研究型实习岗位，专注于AI Agent模型的后训练（Post-training）与强化学习（RL）技术研究与落地
实习生将参与设计和训练用于异步长程场景的Agent模型，包括数据构造、奖励建模、大规模训练以及Agent评测体系的构建，研究成果将直接应用于真实的B2B贸易场景
最低要求
年3月及之后毕业，硕士及以上学历，计算机、人工智能、信息科学、数学、软件工程等相关专业优先
熟练使用 Python / PyTorch，熟悉主流 RL 训练框架（VeRL、Slime等）及 Agent 开发框架，对分布式并行策略（TP/PP/DP/CP）有实操经验
熟悉 Agent 系统设计，对 Tool-use、multi-step reasoning、skills 等能力具有深入理解
在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR等顶级会议/期刊上发表论文者优先
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
Agentic RL 研究与训练： 设计面向异步长程场景的 RL 方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL 等）进行大规模调优，产出 Novelty 和实用性兼具的工作
Agent核心能力建设与优化：包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强
研究长程任务分解、执行监控、自主纠偏、主动通知等 Agent 关键能力，推动成果在 Accio 业务场景落地
Agent评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有 benchmark 未充分涵盖的维度
构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地
Agent大规模后训练： 参与构建针对 Agent 能力的训练数据及环境，利用分布式训练框架（如 Megatron-LM, verl）进行大规模模型调优;
复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务
Long-horizon运行设计：构建结合“工作记忆+全局知识库”的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架
前沿追踪：Follow 最新的学术工作，例如复现 GAIA, BrowseComp, HLE 等最新测试集上的 SOTA 方案
优先资格
具有知名大模型Post-training/RL实际训练经验者优先
具有长程规划、异步任务调度、multi-agent 系统方向研究论文发表者优先
有高质量github开源项目者优先
具有知名Agentic RL 项目经验者优先
具备跨境电商或 B2B 贸易场景经验者优先
具有较好的工程能力，有GUI/Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与大模型Agent后训练、RL等最前沿课题的研究与探索
- 顶级平台：在阿里巴巴国际数字商业集团的核心AI团队实习，拥有充足的计算资源和真实大规模场景
- 学术与工程结合：研究成果有望在顶级会议发表，同时能直接落地到影响全球贸易的商业产品中
- 导师指导：团队人才密度高，有机会获得资深专家的直接指导
- 技术难度：涉及Agent、RL、分布式训练、系统设计等多个复杂技术的交叉，学习曲线陡峭
- 业务结合：需要将学术研究成果与具体的B2B贸易业务场景进行有效结合与落地
- 适合对AI Agent和强化学习有强烈研究兴趣、具备扎实理论基础和工程实现能力、自驱力强、期望在真实大规模场景中验证前沿技术的硕士及以上在读学生
缺点 / 挑战
- 研究压力：课题具有探索性，需要持续跟进前沿并产出有Novelty和实用价值的工作
角色解读
- 技术专家路线：在Agent与强化学习领域深耕，成为该方向的技术专家或研究员
- 算法研发路线：转向更核心的大模型基础算法研究，或投身于更前沿的具身智能、通用人工智能领域
- 产品技术路线：结合对业务（如跨境电商）的理解，转向AI产品经理或技术负责人
- 设计和实现Agent模型的强化学习（Agentic RL）训练方案，包括数据构造与奖励模型
- 研究和优化Agent的核心能力，如自主规划、多步推理、工具调用与长期记忆
- 构建面向复杂场景的Agent评测基准和测试体系，验证技术效果
- 参与大规模分布式模型训练与Multi-Agent协作框架的设计与开发
- 扎实的机器学习与强化学习理论基础，熟悉大语言模型后训练流程
- 熟练掌握Python、PyTorch及主流分布式训练框架（如VeRL、Megatron-LM）
- 深入理解AI Agent系统架构，对规划、推理、工具使用等模块有实践经验
- 具备较强的工程实现能力，能将研究想法快速落地到大规模系统中
申请策略
- 在申请时，可以尝试在简历或求职信中，针对JD提到的1-2个具体研究课题（如Agentic RL）阐述自己的初步想法，展现思考深度
- 深入理解Accio和阿里国际站的业务模式，思考Agent技术在其中的应用点，这能在面试中体现你的业务理解力和主动性
- 突出与强化学习、大模型训练、Agent系统相关的科研项目或课程项目经历
- 重点展示在Python、PyTorch、分布式训练框架上的熟练度和项目经验
- 如有相关领域的学术论文（尤其是顶会）、高质量的GitHub开源项目或竞赛成绩，务必清晰列出
- 强调自驱力、快速学习能力和对AI前沿技术的热情
- 深入学习并尝试复现最新的Agent相关论文（如GAIA、BrowseComp）的SOTA方案
- 动手实践使用VeRL、Megatron-LM等框架进行小规模模型训练，熟悉分布式并行策略
面试指南
- 对于技术概念问题，采用“定义-原理-对比-应用”的框架，先说清楚是什么，再讲核心原理，然后与相关技术对比，最后举例说明应用场景
- 对于项目经验问题，使用STAR原则（Situation-Task-Action-Result）来组织回答，清晰说明背景、目标、你的具体行动和取得的成果
- 对于开放设计问题，先明确核心目标与约束，再分模块或分步骤阐述你的设计思路，最后讨论可能的挑战和优化方向
- 对于论文讨论问题，遵循“问题定义-方法核心-创新点-我的思考与批判”的思路来回答，展现你的批判性思维和深入理解
- 请解释你对Agent Post-training的理解，与传统的指令微调（SFT）和人类反馈强化学习（RLHF）有何异同？
- 描述一个你参与过的、涉及强化学习或Agent系统的项目，你在其中负责了什么？遇到了哪些技术挑战？如何解决的？
- 对于异步长程任务的Agent，如何设计其奖励模型（Reward Model）？需要考虑哪些因素？
- 如果让你设计一个Multi-Agent协作框架来完成一个复杂任务（如“为全球买家找到最合适的供应商”），你会如何拆解任务和设计Agent间通信？
职位点评
薪资福利70
成长发展95
工作生活65
使命价值85
薪资福利
70中等
实习津贴在杭州市场具有竞争力，但作为实习岗位，其薪资福利的绝对值和稳定性相较于正式岗位有限。
薪资信号市场水准 (5K-8K/月)
成长发展
95较高
该职位是技术成长性的核心优势，提供了接触最前沿AI Agent与RL技术、在顶级团队和充足算力下进行研究、并有实际业务场景落地的绝佳机会。
技术前沿前沿/新兴技术
技术栈Agentic RL、Post-training、Agent系统、VeRL、分布式训练、多智能体系统
成长机会研究成果还能直接作用于海量的真实B2B贸易场景
业务类型profit_center
工作生活
65中等
JD未明确工作模式（远程/混合/现场），作为核心研究实习，现场办公可能性较高。未提及任何关于工作时间安排或WLB的信息。
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
该职位处于AI Agent与大模型应用的高速增长赛道，研究成果能直接影响全球B2B贸易场景，具有较高的社会和商业影响力，创新性强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动Agent技术发展与落地效果、推动Agent在business场景落地
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