阿里巴巴
Agentic Model Post-training 与真实环境学习-阿里星/Bravo Star
Agentic Model Post-training 与真实环境学习-阿里星/Bravo Star
发布于 大约 2 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
硕士
机器学习工程
Dpo
Grpo
Ppo
Pytorch
Rlhf
大模型后训练
强化学习
AI 估算 · 25k–40k
阿里星/Bravo Star是阿里顶尖人才项目，薪资高于普通校招，硕士应届生月薪可达25-40K，16薪。
职位详情
关于这个职位
该职位是阿里巴巴国际站与Accio团队的核心研究岗位，专注于Agentic Model的后训练与真实环境学习，推动大模型从'会回答'走向'会做事'
你将参与开发Agentic SFT、Preference Learning、Reasoning RL等前沿技术，构建训练数据与评测体系，并应用于真实全球贸易场景
适合对LLM、Agent、强化学习有浓厚兴趣的应届硕博毕业生，提供顶级研究平台和业务落地机会
最低要求
计算机科学、人工智能、机器学习、数据科学或相关领域硕士或博士在读 / 应届毕业生
对大模型、Agent、强化学习、后训练（Post-training）等方向有浓厚兴趣
熟练掌握 Python、PyTorch，具备良好的算法实现与工程能力
具备较强的问题分析、论文阅读和研究探索能力
具备良好的沟通协作能力，能够与研究、工程和业务团队共同推进项目落地
工作职责
研究并开发面向 Agent 能力的大模型后训练方法，包括 Agentic SFT、Preference Learning、Reasoning RL、Agentic RL 等
构建和优化面向多步任务、工具调用、环境交互的训练数据与任务轨迹
参与 Browser / Tool Use / Sandbox 等环境下的 rollout 训练闭环建设
设计并实现 Agent 能力评测体系，评估模型在规划、执行、工具调用与任务完成上的效果
与模型、数据、评测、Infra 和业务团队协作，将研究成果应用于国际站 / Accio 的真实业务场景
推动技术成果在论文、开源项目或行业技术影响力上的沉淀与输出
优先资格
在大模型训练、强化学习、Agent、Reasoning、Tool Use、Multimodal 等方向有研究或项目经验
在 NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ECCV 等顶级会议发表论文，或参与过有影响力的开源项目
有 LLM 后训练、RLHF / RLAIF / PPO / DPO / GRPO、Agent benchmark、Tool Use / Browser Use 等相关经验
对跨境贸易、电商、搜索、商家经营等真实业务场景感兴趣者优先
AI 洞察
优缺点分析
优点
- 阿里巴巴国际站和Accio提供真实复杂的业务场景，技术落地价值高
- 阿里星计划提供顶尖资源和培养体系，职业起点高
- 研究前沿的Agentic AI技术，有机会发表顶会论文，提升学术影响力
- 团队协作氛围好，与模型、数据、Infra等团队紧密合作，综合能力提升快
- 作为校招岗位，竞争激烈，对候选人的研究深度和工程能力要求高
- 适合对AI Agent和强化学习有浓厚兴趣，具备扎实研究能力和工程能力的硕士或博士毕业生，尤其是希望在真实业务场景中验证技术价值的人
缺点 / 挑战
- 技术难度高，需要扎实的算法基础和快速学习能力，工作压力较大
- Agent技术仍处于探索阶段，可能面临研究不确定性和业务落地挑战
角色解读
- 从研究员起步，逐步成长为Agentic AI领域的专家，主导核心技术方向
- 有机会晋升为技术主管或项目经理，带领团队推动Agent技术在业务中的落地
- 通过发表论文和开源项目，提升行业影响力，成为领域内知名研究者
- 研究并开发Agentic大模型的后训练方法，如Agentic SFT、Preference Learning、Reasoning RL等，提升模型在真实任务中的能力
- 构建和优化训练数据与任务轨迹，涉及多步任务、工具调用和环境交互，确保模型能有效学习
- 参与Browser、Tool Use、Sandbox等环境下的rollout训练闭环，设计评测体系评估模型规划、执行和工具调用效果
- 与模型、数据、评测、Infra和业务团队协作，将研究成果应用于国际站和Accio的真实业务场景
- 扎实的机器学习和深度学习基础，熟悉大模型训练和推理原理
- 精通Python和PyTorch，具备优秀的算法实现和工程能力
- 熟悉强化学习（如PPO、DPO、GRPO）和Agent相关技术，有实际项目经验者优先
- 具备较强的研究能力，能阅读论文并复现实验，有顶会论文发表经验更佳
申请策略
- 关注阿里巴巴国际站和Accio的业务动态，了解Agent在贸易场景的应用
- 在面试中展示对Agentic AI的热情和思考，强调研究潜力和团队协作能力
- 突出大模型训练、强化学习或Agent相关项目经验，展示具体成果和量化指标
- 强调Python和PyTorch的熟练度，以及算法实现和工程能力
- 如有顶会论文或开源项目，务必列出，体现研究深度
- 展示对Agent技术趋势的理解和兴趣，如RLHF、Tool Use等
- 深入学习强化学习算法（如PPO、DPO、GRPO），并尝试复现相关论文
- 熟悉Agent框架和工具，如LangChain、Browser Use等，积累实战经验
面试指南
- 对于研究经验问题，采用STAR法则，强调背景、行动和结果，突出技术细节和创新点
- 对于设计类问题，先明确目标，再分步骤阐述方案，并考虑实际约束和权衡
- 对于开放性问题，展示思考深度，结合行业趋势和实际案例，提出有见地的观点
- 请介绍你在大模型后训练或强化学习方面的研究或项目经验
- 如何设计一个Agent的评测体系？请举例说明
- 在训练Agent时，如何处理工具调用和环境交互的复杂性？
- 你如何看待Agentic AI的未来发展？有哪些挑战？
- 请描述一次你解决复杂技术问题的经历
职位点评
78
综合评分
阿里星计划，前沿Agentic AI研究，高薪高成长，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
该职位最适合追求技术成长和前沿研究，对Agentic AI有浓厚兴趣，且能接受高强度工作的求职者。
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50
使命价值70
薪资福利
80较高
该职位属于阿里巴巴顶尖人才计划，薪资水平高于市场平均，且公司提供完善的福利和稳定性，补偿性动机满足度较高。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
95较高
该职位聚焦前沿Agentic AI技术，提供顶级研究资源和业务落地场景，发展性动机得到极大满足。
技术前沿前沿/新兴技术
技术栈Agentic SFT、Preference Learning、Reasoning RL、Agentic RL、RLHF、PPO、DPO、GRPO、Tool Use、Browser Use
业务类型profit_center
工作生活
50较低
该岗位要求现场办公，工作地点在杭州，但未提及弹性工作或远程，生活化动机满足度一般。
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
该职位服务于全球贸易场景，具有实际商业价值，但社会影响力有限，意义感动机中等。
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