主分类：Agent系统开发
辅助：AI模型评测工程（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "阿里国际站/Alibaba.com-Agent算法工程师/专家-Accio Work",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "阿里国际数字商业",
"company_industry": "跨境电商",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里国际数字商业业务涉及国际电商平台及跨境商品交易。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "Accio Work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，定位为全球电商AI工作台，通过持续探索Agent、Agent Harness、RL、Memory、Reasoning等前沿技术，自研Agent模型、Agent系统，持续推进Agent的发展。\n1、研发并优化 Agent 的核心能力模块，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；\n2、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；\n3、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；\n4、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；\n5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training。",
"requirements_text": "1、硕士及以上学历，计算机、电子、人工智能、自动化、数学、物理、等相关专业优先；\n2、具有良好的工程能力，具有Agent数据合成、Agentic RL训练、Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；\n3、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。\n加分项\n1、具有扎实的机器学习基础，熟悉CV、NLP、RL、ML、多模态理解、搜推广等领域的技术，在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、KDD、WWW、SIGIR、Recsys、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；\n2、在具有影响力AI/Agent项目实习/工作经验者优先；\n3、在GitHub等开源社区具有影响力项目发表经验者优先；\n4、具有SOTA Agent产品核心算法开发/优化、大模型基座应用落地经验者优先；\n5、具有优秀的代码能力，熟练掌握C/C++或Python，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先； \n6、在LLM、多模态、RL、基础模型、世界模型等领域，主导过大影响力项目者优先。",
"skills": [AI生成
"Python",
"C++",
"机器学习",
"自然语言处理",
"大语言模型"
],
"preferred_qualifications": "1、硕士及以上学历，计算机、电子、人工智能、自动化、数学、物理、等相关专业优先；2、具有良好的工程能力，具有Agent数据合成、Agentic RL训练、Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；加分项；1、具有扎实的机器学习基础，熟悉CV、NLP、RL、ML、多模态理解、搜推广等领域的技术，在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、KDD、WWW、SIGIR、Recsys、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；2、在具有影响力AI/Agent项目实习/工作经验者优先；3、在GitHub等开源社区具有影响力项目发表经验者优先；4、具有SOTA Agent产品核心算法开发/优化、大模型基座应用落地经验者优先；5、具有优秀的代码能力，熟练掌握C/C++或Python，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先；6、在LLM、多模态、RL、基础模型、世界模型等领域，主导过大影响力项目者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100012415019"
}
]
},
"posting": {
"posting_id": "100012415019",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100012415019"
},
"fulltext": "阿里国际站/Alibaba.com-Agent算法工程师/专家-Accio Work\n阿里国际站/Alibaba.com-Agent算法工程师/专家-Accio Work\n\n基础信息\n职位类别：技术类-算法\n工作地点：杭州\n\n职位描述\nAccio Work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，定位为全球电商AI工作台，通过持续探索Agent、Agent Harness、RL、Memory、Reasoning等前沿技术，自研Agent模型、Agent系统，持续推进Agent的发展。\n1、研发并优化 Agent 的核心能力模块，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；\n2、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；\n3、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；\n4、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；\n5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training。\n\n职位要求\n1、硕士及以上学历，计算机、电子、人工智能、自动化、数学、物理、等相关专业优先；\n2、具有良好的工程能力，具有Agent数据合成、Agentic RL训练、Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；\n3、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。\n加分项\n1、具有扎实的机器学习基础，熟悉CV、NLP、RL、ML、多模态理解、搜推广等领域的技术，在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、KDD、WWW、SIGIR、Recsys、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；\n2、在具有影响力AI/Agent项目实习/工作经验者优先；\n3、在GitHub等开源社区具有影响力项目发表经验者优先；\n4、具有SOTA Agent产品核心算法开发/优化、大模型基座应用落地经验者优先；\n5、具有优秀的代码能力，熟练掌握C/C++或Python，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先； \n6、在LLM、多模态、RL、基础模型、世界模型等领域，主导过大影响力项目者优先。\nAccio Work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，定位为全球电商AI工作台，通过持续探索Agent、Agent Harness、RL、Memory、Reasoning等前沿技术，自研Agent模型、Agent系统，持续推进Agent的发展。\n1、研发并优化 Agent 的核心能力模块，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；\n2、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；\n3、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；\n4、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；\n5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training。\n1、硕士及以上学历，计算机、电子、人工智能、自动化、数学、物理、等相关专业优先；\n2、具有良好的工程能力，具有Agent数据合成、Agentic RL训练、Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；\n3、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。\n加分项\n1、具有扎实的机器学习基础，熟悉CV、NLP、RL、ML、多模态理解、搜推广等领域的技术，在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、KDD、WWW、SIGIR、Recsys、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；\n2、在具有影响力AI/Agent项目实习/工作经验者优先；\n3、在GitHub等开源社区具有影响力项目发表经验者优先；\n4、具有SOTA Agent产品核心算法开发/优化、大模型基座应用落地经验者优先；\n5、具有优秀的代码能力，熟练掌握C/C++或Python，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先； \n6、在LLM、多模态、RL、基础模型、世界模型等领域，主导过大影响力项目者优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}