阿里巴巴
Agent在线强化学习-阿里星/T-Star
Agent在线强化学习-阿里星/T-Star
发布于 4 天前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Aiops
Llm
Pytorch
Sre
元学习
在线学习
强化学习
值不值得投
79综合评分
综合评分 79
前沿技术研究岗，成长空间大，薪资有竞争力，但WLB可能一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.8万
与机器学习工程中位数基本持平
发布情况
正常在招 · 4 天前发布
公司情况
这家公司招聘很活跃
约 2810 个在招 · 其中机器学习工程 约 170 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
该职位负责构建本体知识增强的在线安全强化学习智能体系统，用于阿里巴巴淘天业务平台的智能决策与运维
核心工作包括理论建模、算法开发和在双11等真实大促场景中落地验证，以实现从人工经验到数据-知识-决策闭环自主进化的范式跃迁
最低要求
计算机科学、人工智能、运筹学、自动化等相关方向博士
扎实的强化学习理论功底，精通主流RL算法（Policy Gradient/PPO/GRPO及其变体），有实际实现与调优经验
熟练Python + PyTorch，具备生产级代码交付能力
在ICML/NeurIPS/ICLR/AAAI/ACL/WWW等顶会有一作或共同一作论文发表，或有等价的突出研究成果
工作职责
理论研究：负责本体约束的在线强化学习框架建模，并进行理论证明、自进化的收敛性分析
算法开发：设计并实现本体增强的安全在线RL算法族、LLM-RL协同决策算法、跨大促Meta-RL与经验固化算法
场景落地：在双11/618等真实大促中验证系统效果
与SRE/研发团队协作确保决策可信赖
量化评估业务价值
优先资格
包括安全强化学习、在线学习、元学习、多智能体，了解本体工程、神经符号推理，有LLM与决策系统结合的研究经验，了解大规模分布式系统、AIOps、SRE相关背景知识，有扎实的数学功底，包括优化理论、概率论、随机过程功底扎实，能独立完成定理证明
AI 洞察
优缺点分析
优点
- 参与全球领先的在线强化学习项目，技术前沿
- 在真实大促场景中验证算法，影响巨大
- 获得顶级导师指导和丰富资源支持
- 项目复杂度高，涉及理论研究、算法开发和系统落地
- 可能面临高强度的工作节奏，尤其在大促期间
- 适合对强化学习有深厚理论功底、追求技术突破、并愿意在复杂业务场景中应用AI的博士人才
缺点 / 挑战
- 需要处理高风险生产环境，对算法安全性要求极高
角色解读
- 从算法研究到系统架构师，深入在线决策领域
- 可向AI科学家或技术管理方向发展，引领智能决策范式
- 通过在大场景落地积累经验，成为行业专家
- 构建本体知识增强的在线安全强化学习框架，解决生产环境中的RL挑战
- 开发LLM-RL协同的全链路智能决策与运维系统，用于淘天业务平台
- 设计模型能力自进化机制，实现跨大促的元学习快速适应
- 精通强化学习理论，熟悉PPO等主流算法，并有实际调优经验
- 熟练使用Python和PyTorch进行生产级代码开发
- 具备扎实的数学功底，能进行理论证明和算法设计
申请策略
- 准备好阐述如何将理论应用到实际业务场景
- 了解阿里巴巴淘天业务的技术挑战，以展示业务理解
- 突出强化学习相关的顶会论文和研究成果
- 展示Python和PyTorch的实际项目经验，尤其是生产级代码
- 强调理论证明和算法设计能力，如有相关项目
- 深入学习在线安全强化学习和元学习相关前沿
- 了解本体工程和神经符号推理等交叉领域
面试指南
- 对于技术问题，结合理论和实际案例回答
- 强调安全性和可解释性在生产环境中的重要性
- 展示跨领域学习能力和对业务的理解
- 如何设计一个安全的在线强化学习框架用于生产环境？
- 描述一个你实现过的RL算法及其调优经验
- 如何评估智能体在非平稳环境中的性能？
- 你对本体知识增强RL有什么理解？
- 如何在双11高QPS场景下确保决策的可信赖性？
职位点评
薪资福利80
成长发展95
工作生活50
使命价值90
薪资福利
80较高
该职位提供有竞争力的薪资和福利，适合追求高回报的求职者。
薪资信号偏高 (2.5千–5万/月)
福利待遇导师支持、丰富的数据、顶级的场景、充足的算力、成熟的基础设施
成长发展
95较高
职位涉及前沿强化学习和LLM技术，提供顶级场景和导师支持，技能成长机会丰富。
技术前沿前沿/新兴技术
技术栈强化学习、LLM、元学习、本体知识、在线学习
成长机会导师、学术交流
业务类型profit_center
工作生活
50较低
大促期间工作压力可能较大，办公模式未明确，WLB一般。
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
90较高
项目旨在构建全球首个智能决策系统，具有开拓性创新和高社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号构建面向下一个十年的智能决策范式
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