阿里巴巴
Agentic RL for Long-horizon task-阿里星/Bravo Star
Agentic RL for Long-horizon task-阿里星/Bravo Star
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Agentic Ai
Multi-Agent Systems
Pytorch
Reinforcement Learning
值不值得投
77综合评分
综合评分 77
顶尖大厂核心AI算法岗，前沿技术栈，高薪高压力，WLB一般
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，方便横向比较。
薪资怎么样
5.5万
比人工智能中位数低
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 4290 个在招 · 其中人工智能 约 410 个
市场机会
选择面较广
杭州 · 人工智能 · 约 470 个在招
职位详情
关于这个职位
加入阿里巴巴国际数字商业集团Accio算法团队，专注于Agentic RL（智能体强化学习）在长程复杂任务中的研究与应用
负责构建具备自主规划、主动推进与自适应纠偏能力的AI Agent，推动大模型从“回答”向“行动”进化，并在实际商业场景中落地
最低要求
具备大模型post-training、强化学习相关研究经验
熟悉Agent系统设计，对function calling、tool use、multi-step reasoning等能力有深入理解
熟悉主流训练框架（如VeRL等）及Agent开发框架
编程能力扎实，熟练使用Python、PyTorch
工作职责
研究异步长程任务场景下Agent的核心能力建设，包括任务分解与规划、执行监控与自主纠偏、主动通知与用户交互策略等
设计面向长程Agentic能力的post-training方案，探索适配异步任务特性的数据构造、奖励建模与训练方法
构建长程异步任务的评测体系与仿真环境，弥补现有benchmark在任务时间跨度、多轮交互、并发协调等维度的空白
优先资格
有长程规划、异步任务调度、multi-agent系统等方向的研究经验，在顶会发表过相关论文
参与过知名Agentic post-training 项目
具备跨境电商、B2B贸易等业务场景的理解或实践经验
AI 洞察
优缺点分析
优点
- 接触最前沿的Agentic AI技术，拥有海量算力和真实商业场景支撑
- 背靠阿里国际站高速增长的业务线，研究成果能直接产生巨大商业价值
- 团队氛围自由，鼓励创新，适合追求技术突破的研究型人才
- 技术门槛极高，需具备顶会论文级别的科研能力和工程落地能力
- 作为巨头企业核心岗，内部竞争激烈，对产出要求严格
- 适合拥有深厚AI科研背景、热衷于探索大模型自主行动能力、且希望将技术转化为大规模商业价值的资深算法工程师或研究员
缺点 / 挑战
- 长程任务研究难度大，面临诸多未解的技术挑战，工作压力较大
角色解读
- 成为Agentic AI领域的顶级专家，引领前沿研究方向
- 向首席科学家或技术负责人发展，主导公司级AI战略落地
- 积累深厚的学术与工业界双重背景，具备极高的行业话语权
- 研究如何让大模型在长周期、多步骤的复杂任务中自主规划和执行（Agentic RL）
- 设计针对Agent的Post-training方案，包括数据构造和奖励建模，提升模型的行动力
- 构建专门的评测体系和仿真环境，评估Agent在异步任务中的表现
- 扎实的强化学习（RL）和大模型Post-training理论基础
- 精通Python/PyTorch，熟悉VeRL等主流训练框架
- 深入理解Agent架构，如Function Calling、Tool Use及多步推理机制
申请策略
- 准备详细的技术博客或GitHub项目，展示对Agentic AI的独特见解
- 面试中重点阐述如何将学术研究转化为可落地的工程方案
- 突出在RLHF、DPO或Agentic RL方面的具体研究成果和顶会论文
- 展示在大模型微调、奖励模型构建方面的工程实践经验
- 强调解决复杂多步任务或长程规划问题的案例
- 深入研究最新的多智能体协作与通信机制
- 掌握高效的分布式训练技巧，特别是针对大模型的强化学习训练
- 了解跨境电商业务逻辑，以便更好地设计贴合业务的Reward函数
面试指南
- STAR法则：清晰描述背景、任务、行动和结果，重点突出技术难点和你的解决方案
- 理论结合实践：不仅讲算法原理，更要结合具体业务场景说明效果
- 批判性思维：展示你对现有技术局限性的思考及改进方向
- 请详细介绍你过往在RL或LLM Post-training方面的核心贡献及技术细节
- 如何解决长程任务中的信用分配（Credit Assignment）问题？
- 在设计Agent的Reward Model时，如何平衡短期奖励与长期目标？
- 面对异步任务和状态空间爆炸，你的仿真环境和评测体系是如何设计的？
- 复习强化学习经典算法（PPO, DQN等）及其在大模型中的应用变体
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
作为已上市的跨国巨头，提供极具竞争力的薪酬包和高额年终奖，福利体系完善，满足度高。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
95较高
处于Agentic AI技术最前沿，拥有丰富算力资源和自由研究氛围，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Agentic RL、LLM Post-training、VeRL、Multi-agent Systems、PyTorch
成长机会自由的研究氛围、丰富的算力资源
业务类型profit_center
工作生活
40较低
互联网大厂核心研发岗，通常伴随高强度工作和快节奏，WLB一般，JD未提及弹性或远程选项。
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
80较高
致力于让大模型具备‘行动力’，解决复杂商业任务，具有显著的技术突破意义和商业社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号赋予大模型'行动力'、解决复杂商业任务
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