阿里巴巴
研究型实习生 - Agentic Search算法
研究型实习生 - Agentic Search算法
发布于 大约 8 小时前实习/见习
实习生仅现场办公算法优化工程师
算法优化工程师
Agentic Search
Grpo
Pytorch
Rag
Reward Modeling
多模态
大语言模型
强化学习
值不值得投
64综合评分
综合评分 64
前沿技术、高成长性，但工作强度可能较大，生活平衡一般。
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
8K
与算法优化工程师中位数基本持平
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 2090 个在招 · 其中算法优化工程师 75 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 110 个在招
职位详情
关于这个职位
这是一个在阿里巴巴研究型实习生岗位，专注于 Agentic Search 算法的全链路研发
你将参与从轨迹数据构建、SFT 冷启到 GRPO 强化学习优化的完整流程，探索奖励机制设计、上下文管理与推理效率优化等前沿方向
适合对大型语言模型、强化学习与智能体技术有浓厚兴趣的博士生
最低要求
计算机、人工智能、统计等相关专业在读博士
扎实的算法基础，熟练使用 Python 与 PyTorch，具备独立完成实验设计、执行与分析的能力
熟悉 Agent / Tool-Use / RAG / 多轮检索推理范式，了解 ReAct 类框架与 search agent 的典型 pipeline
具备良好的科研品味、独立思考能力与跨团队协作沟通能力，对前沿问题有持续热情，敢于挑战现有范式
工作职责
参与 Agentic Search 模型的全链路研发：从检索/推理轨迹（Trajectory）数据构建、SFT 冷启，到 GRPO 等强化学习优化，端到端提升搜索智能体的规划、多轮检索与工具调用能力
设计与迭代奖励机制：探索 rubric-based reward、RLVR 等方案，兼顾答案正确性、格式规范与工具使用效率，并主动识别与治理 reward hacking / 奖励过度优化问题
优化智能体的上下文管理与推理效率：研究长轨迹下的上下文压缩、观察折叠、多模态检索等方向，在不降低效果的前提下压缩响应长度与调用开销
参与 Trajectory 质量评估体系建设：从工具调用效率、错误率、指令遵循度、回复相关性等维度分析线上对话日志，反哺数据与奖励设计，形成闭环
跟踪前沿并快速落地：将学术界最新的 Agentic Search / RL / Reward Modeling 工作转化为可验证的实验方案
优先资格
在NeurIPS、ICML、ICLR、ACL、EMNLP等大模型领域顶级会议以第一作者发表过论文者优先，研究方向与大语言模型、强化学习、Agent、多模态模型等强相关
AI 洞察
优缺点分析
优点
- 接触前沿的 Agentic Search 和强化学习技术
- 在阿里巴巴平台，有丰富的数据和计算资源
- 与顶尖的科研团队合作，提升科研能力
- 研究型岗位要求高，需要较强的独立研究能力
- 工作强度可能较大，需要快速迭代实验
- 适合对 Agentic Search 和强化学习有浓厚兴趣，并有志于在该领域进行深入研究的博士生
缺点 / 挑战
- 对论文发表有较高要求，竞争激烈
角色解读
- 在顶级会议发表论文，提升学术影响力
- 深入 Agentic Search 领域，成为该方向的专家
- 有机会转正，加入阿里巴巴核心算法团队
- 参与 Agentic Search 模型的全链路研发，包括数据构建、SFT 和强化学习优化
- 设计和迭代奖励机制，探索新的奖励模型并治理 reward hacking
- 优化智能体的上下文管理和推理效率，研究长轨迹下的压缩和折叠技术
- 参与 Trajectory 质量评估体系，分析线上日志并反哺数据与奖励设计
- 扎实的算法基础，熟练使用 Python 和 PyTorch
- 熟悉 Agent / Tool-Use / RAG / 多轮检索推理范式
- 了解 ReAct 类框架和 search agent 的典型 pipeline
- 具备独立实验设计、执行与分析的能力
申请策略
- 了解阿里巴巴在 Agentic Search 方向的最新研究
- 准备一个相关的研究想法或项目展示
- 突出在 Agent、RAG、强化学习等相关领域的项目经验
- 强调独立完成实验设计和分析的能力
- 展示已发表的论文或开源项目
- 深入学习 GRPO 等强化学习算法
- 熟悉 ReAct 等 Agent 框架的实现细节
- 了解多模态检索和上下文压缩技术
面试指南
- 结合具体项目，说明你的研究思路和实验设计
- 从问题定义、方法设计、实验验证三个层面回答
- 展示你对前沿技术的理解和思考
- 请介绍一下你在 Agentic Search 或相关领域的研究经历
- 如何设计奖励机制来避免 reward hacking？
- 如何评估一个搜索智能体的性能？
- 你对 GRPO 算法有什么理解？
- 复习强化学习、LLM 和 Agent 相关的基础知识
职位点评
薪资福利50
成长发展95
工作生活40
使命价值70
薪资福利
50较低
实习岗位，薪资水平一般，但阿里巴巴平台能提供较好的福利和稳定性。
薪资信号未披露（AI估算：6K-10K/月）
成长发展
95较高
该岗位提供前沿技术研究和实践机会，对技能成长和职业发展有极大帮助。
技术前沿前沿/新兴技术
技术栈Agentic Search、强化学习、GRPO、PyTorch、RAG、ReAct
业务类型profit_center
工作生活
40较低
工作地点在北京或杭州，需要现场办公，未提及弹性工作安排。
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
70中等
该岗位处于 AI 前沿领域，对推动搜索智能体技术发展有积极意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs