研究型实习生-Agentic Post-training-Accio Work

AI 摘要智能生成

研究长程任务分解

职位描述

Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，Accio Work是阿里在海外落地的首个企业级AI Agent，通过持续探索Agent、Agent Harness、Post-training、RL、Memory等前沿技术，自研Agent模型、Agent系统，实现B2B AI Agent跨越式发展。我们拥有充足的计算资源（H100/B200 集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围、高人才密度的团队指导。在这里，研究成果不仅能产出学术论文，还能直接作用于海量的真实B2B贸易场景。 Agent模型后训练、Agentic RL、Agent Harness、Massive and Test-time Agnostic Agentic Post-training等等，推动Agent技术发展与落地效果的课题均可探索立项； （其一或多个均可） 1、Agentic RL 研究与训练： 设计面向异步长程场景的 RL 方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL 等）进行大规模调优，产出 Novelty 和实用性兼具的工作； 2、Agent核心能力建设与优化：包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强。研究长程任务分解、执行监控、自主纠偏、主动通知等 Agent 关键能力，推动成果在 Accio 业务场景落地； 3、Agent评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有 benchmark 未充分涵盖的维度；构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地； 4、Agent大规模后训练： 参与构建针对 Agent 能力的训练数据及环境，利用分布式训练框架（如 Megatron-LM, verl）进行大规模模型调优; 5、复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务； 6、Long-horizon运行设计：构建结合""工作记忆+全局知识库""的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架； 7、前沿追踪：Follow 最新的学术工作，例如复现 GAIA, BrowseComp, HLE 等最新测试集上的 SOTA 方案。

任职要求

• 2027年3月及之后毕业，硕士及以上学历，计算机、人工智能、信息科学、数学、软件工程等相关专业优先；
• 熟练使用 Python / PyTorch，熟悉主流 RL 训练框架（VeRL、Slime等）及 Agent 开发框架，对分布式并行策略（TP/PP/DP/CP）有实操经验；
• 熟悉 Agent 系统设计，对 Tool-use、multi-step reasoning、skills 等能力具有深入理解；
• 在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR等顶级会议/期刊上发表论文者优先；
• 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。
• 具有知名大模型Post-training/RL实际训练经验者优先；
• 具有长程规划、异步任务调度、multi-agent 系统方向研究论文发表者优先；有高质量github开源项目者优先
• 具有知名Agentic RL 项目经验者优先；具备跨境电商或 B2B 贸易场景经验者优先；
• 具有较好的工程能力，有GUI/Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先。

同岗多源比价

同一岗位在其他平台/渠道的报价与链接（去重归并：公司+岗位+城市）