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 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
Computer-Use Agent
Mcp
Multi-Agent
Reinforcement Learning
Sft
值不值得投
78综合评分
综合评分 78
阿里核心大模型团队研究型实习，前沿Agentic AI技术栈，学术与工程成长空间极大，但科研与交付压力较高。
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
9千
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 2990 个在招 · 其中机器学习工程 约 180 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 260 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的全链路研发，包括预训练、SFT及强化学习阶段
你将负责构建代码库级别的Benchmark，研究Black-box Agent RL及Computer-Use Agent系统，探索前沿的Agent技术与多步推理优化
最低要求
计算机、信息科学、数学或相关专业硕士/博士学位，具备业界AI/Agent团队的相关实习和工作经验
具备较好的工程能力
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
有Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计经验
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，团队背景顶尖，支持开源和顶会论文发表
- 表现突出者可在核心技术报告中署名，提供极高的学术与工程双重积累机会
- 参与构建Computer-Use Agent等前沿系统，处于当前AI领域最具潜力的发展方向
- 涉及Black-box RL、长程推理等前沿难题，技术难度极高，需要较强的数学推导与工程落地能力
- AI领域变化极快，需要持续保持高强度的学习与抗压能力以跟上技术迭代
- 适合具有计算机或数学相关专业硕博背景，对大模型和Agent技术有浓厚兴趣，且具备较强工程与科研能力的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从研究实习生成长为大模型算法专家，有机会在核心tech report中署名或发表顶会论文
- 未来可向Agentic AI核心研究员或大模型架构师方向发展，引领前沿技术落地
- 参与大规模Agentic LLM的全链路研发，包括预训练、SFT和强化学习阶段
- 负责构建代码库级别的Benchmark，研究Black-box Agent RL及Computer-Use Agent系统
- 优化多步推理和在线策略迭代，探索Agent在真实操作系统与开发环境中的交互闭环
- 具备扎实的机器学习与强化学习理论基础，熟悉LLM训练流程（SFT/RL）
- 拥有较强的工程实现能力，熟悉Agent系统构建、多智能体协作及代码级依赖分析
- 具备优秀的数学推导能力，能够解决不可导环境下的策略梯度估计与信用分配难题
申请策略
- 了解Accio团队近期的开源项目和发表的论文，在面试中展示对其技术路线的理解与思考
- 突出在LLM训练、强化学习或Agent系统构建方面的项目经验与工程落地成果
- 展示在ICLR、NeurIPS等顶会的论文发表记录或高质量的GitHub开源项目
- 强调在复杂系统（如多智能体协作、记忆系统）中的架构设计与问题解决能力
- 深入学习Black-box RL、Credit Assignment等前沿强化学习理论及最新论文
- 熟悉MCP协议及Bash/CLI工具链，提升在真实操作系统环境下的Agent工程化能力
面试指南
- 采用“理论基础+工程实践+业务收益”的结构，先阐述算法数学原理，再结合项目说明工程实现，最后总结对模型性能的提升
- 对于开放性问题，采用“现状分析+方案对比+最终选择”的思路，展现系统性思考与技术选型能力
- 在不可导环境反馈下，如何进行Black-box Reward/Value Function的建模与策略梯度估计？
- 针对Long-horizon RL场景，你有哪些解决Credit Assignment难题的思路？
- 如何构建海量真实用户交互数据的自动化生产流水线以实现数据回流？
- 请分享一个你主导的Agent记忆系统或多智能体协作设计的项目经验及技术难点
- 复习强化学习经典论文及最新Agentic AI前沿进展（如Computer-Use Agent、MCP协议）
- 准备1-2个自己主导的复杂Agent系统或大模型训练项目，能够深入讲解技术难点与解决方案
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，实习津贴处于市场较高水平，但实习岗位本身不具备正式员工的长期薪资与福利稳定性。
薪资信号未披露（AI估算：6.5千–1.1万/月）
成长发展
95较高
团队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，提供极高的学术与前沿技术成长空间。
技术前沿前沿/新兴技术
技术栈Agentic LLM、Reinforcement Learning、SFT、Computer-Use Agent、MCP、Online Learning
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中未明确提及工作模式与WLB相关信息，但研究型实习岗通常面临较高的科研与工程交付压力。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
85较高
参与大规模Agentic LLM研发，推动AI Agent在真实操作系统与开发环境中的落地，具有较高的技术探索价值与行业前瞻性。
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）
Watch Jobs