阿里巴巴
研究型实习生-1688-Agentic AI/RL实习生
研究型实习生-1688-Agentic AI/RL实习生
发布于 大约 2 小时前实习/见习
杭州市
无经验要求
实习生
仅现场办公
硕士
机器学习工程
Cpt
Dpo
Grpo
Llm
Multi-Agent
Ppo
Rl
Sft
AI 估算 · 0k–1k
研究型实习生岗位，薪资按日薪计算，阿里实习日薪在300-500元区间，考虑到岗位对前沿技术的高要求，取中位数400元/天。
职位详情
关于这个职位
这是一个在阿里巴巴1688事业部的研究型实习生岗位，专注于大模型Agentic AI和强化学习（RL）领域
你将参与千亿级模型的Agent能力全流程优化，包括环境工具建设、数据合成、Reward Modeling以及Post-training算法（如GRPO/PPO）的攻坚
适合对LLM/RL/Agent有深入理解、热爱前沿技术研究、具备优秀自驱力的硕士或博士在读学生
最低要求
深入理解 LLM/RL/Agent 领域知识，熟悉常见的 Alignment 算法（如 DPO/PPO/GRPO/DAPO 等）
熟悉前沿 Agentic RL 算法与框架，参与过实际项目的开发与训练，具备敏锐的技术视野，对前沿研究保持敏感
对 AI 技术充满热情，具备优秀的自驱力（Self-driven）和复杂问题解决能力
工作职责
Agent 基础设施优化：在电商垂域开展大模型 Agentic AI 的关键要素构建与优化，涵盖环境工具建设（Environment/Tools）、高质量数据合成及 Reward Modeling
后训练算法攻坚：优化 Post-training 算法（如 GRPO/PPO/SearchR1 等），提升模型在复杂环境下的工具使用（Tool-use）、规划（Plan）、深度推理（Deep Research）及报告生成能力
全流程模型迭代：参与千亿级模型的 Agentic 能力全流程优化，包括 CPT (Continued Pre-training)、SFT、Post-train 及 Multi-agent RL，负责复现业界前沿工作并探索提出新算法
优先资格
拥有编程竞赛获奖经历、顶会论文发表记录或知名开源库贡献者优先
AI 洞察
优缺点分析
优点
- 平台优势：阿里巴巴是行业巨头，提供丰富的算力资源和真实业务场景，能接触到最前沿的AI技术
- 技术深度：专注于Agentic AI和RL这一前沿领域，能深入参与千亿级模型的训练和优化，技术成长快
- 团队实力：与顶尖的算法工程师和研究员共事，能快速提升自己的技术视野和问题解决能力
- 技术门槛高：需要扎实的LLM/RL理论基础和实际项目经验，对自驱力和学习能力要求极高
- 适合对LLM/RL/Agent有浓厚兴趣，具备扎实基础和强自驱力，希望在工业界前沿技术领域深耕的硕士或博士在读学生
缺点 / 挑战
- 工作强度大：研究型岗位通常需要投入大量时间进行实验和调优，可能面临较大的工作压力
角色解读
- 在阿里这样的大平台，可以接触千亿级模型的真实业务场景，积累宝贵的工业级经验
- 表现优秀者有机会转正，进入阿里核心AI团队，成为大模型应用领域的专家
- 未来可向高级算法工程师、研究科学家或技术管理方向发展
- 参与构建和优化电商场景下的大模型Agent基础设施，包括环境工具、数据合成和奖励模型
- 攻坚后训练算法，如GRPO、PPO等，提升模型在复杂任务中的工具使用、规划和深度推理能力
- 参与千亿级模型的全流程迭代，包括CPT、SFT、Post-train和Multi-agent RL，并复现和探索新算法
- 深入理解LLM、RL和Agent领域知识，熟悉常见的对齐算法（如DPO/PPO/GRPO）
- 熟悉前沿Agentic RL算法与框架，有实际项目开发或训练经验
- 具备优秀的自驱力、复杂问题解决能力和对前沿技术的敏锐度
申请策略
- 在申请材料中，明确表达你对Agentic AI和RL领域的热情和长期兴趣
- 可以提前了解1688的业务场景，思考如何将Agent技术应用到电商领域
- 突出在LLM/RL/Agent领域的项目经历，特别是涉及DPO/PPO/GRPO等算法的实际应用
- 强调编程竞赛获奖、顶会论文或开源贡献，这是重要的加分项
- 展示对前沿技术的热情和自驱力，例如个人博客、GitHub项目或技术分享
- 提前熟悉GRPO、PPO等后训练算法的原理和实现，并尝试在小型模型上复现
- 了解Agentic AI的常用框架（如LangChain、AutoGPT）和工具，并动手实践
- 提升Python编程能力，特别是PyTorch等深度学习框架的使用
面试指南
- 对于算法原理问题，建议从数学公式、直觉理解和实际应用三个层面进行阐述
- 对于项目经验问题，采用STAR法则（情境、任务、行动、结果）来清晰描述
- 对于开放性问题，可以结合行业趋势和个人见解，展现思考深度
- 请详细解释GRPO和PPO算法的原理和区别？
- 你如何设计一个奖励模型（Reward Model）来评估Agent在电商场景中的表现？
- 请描述一个你参与过的RL项目，你在其中扮演的角色和遇到的挑战？
- 如何解决大模型在复杂环境中的工具使用和规划问题？
- 你对Agentic AI的未来发展趋势有何看法？
职位点评
66
综合评分
前沿技术、顶级平台、成长空间大，但工作强度高、生活平衡度低。
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。
更适合这类人
该职位最适合追求技术成长和前沿研究，对Agentic AI和RL有浓厚兴趣，并愿意投入大量时间进行深入研究的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展95
工作生活40
使命价值70
薪资福利
60中等
实习薪资在行业中属于中等偏上水平，但作为实习岗位，整体薪酬吸引力有限。
薪资信号未披露（AI估算：0K-0K/月）
成长发展
95较高
该岗位处于AI最前沿的Agentic和RL领域，技术挑战大，成长空间极高，能接触到千亿级模型训练，对个人技能提升有巨大帮助。
技术前沿前沿/新兴技术
技术栈LLM、RL、Agent、GRPO、PPO、DPO、SFT、CPT
业务类型profit_center
工作生活
40较低
实习岗位通常需要投入大量时间进行研究和实验，工作强度较大，工作地点固定，生活化程度较低。
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
该岗位处于AI技术前沿，对推动人工智能在电商领域的应用有直接贡献，行业前景广阔，但社会影响力相对中性。
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