主分类：大模型与生成式算法研发
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-Agentic RL环境与模型训练工程师-杭州/北京",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 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",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在围绕 阿里巴巴国际站 + Accio Work 打造真实全球贸易场景的 AI Agent，覆盖买家采购、商家经营、Research、商品发布、跨平台运营、物流跟踪等复杂任务。\n这个岗位聚焦 Agent rollout 环境搭建 + agentic model 训练，不是传统训练岗，也不是普通应用岗，而是把真实业务流程变成模型可交互、可学习、可优化的 environment，训练一个真正“会做事”的 Agent。\n你会做什么：\n1. 搭建国际站场景下的 Agent rollout / environment，支持多步任务、工具调用、Browser/API 操作\n2. 构建 trajectory 采样、reward 计算、样本回流、任务重放等训练链路\n3. 参与 SFT / Preference / RLHF / RLAIF 等 agentic post-training 工作\n4. 研究 tool use、browser use、computer use、错误恢复、多步规划等问题\n5. 联动评测/数据/产品，形成“环境-训练-评测-回流”闭环\n为什么值得来：\n1. 做真实业务里的 Agent 训练，而不是 benchmark 实验\n2. 场景复杂且稀缺：多语言 + 多工具 + 长链路任务\n3. 同时覆盖 environment、rollout、reward、training，全链路空间大\n4. 有机会定义真实商业世界中 Agent 如何被训练出来",
"requirements_text": "我们希望你具备：\n1. 3年以上机器学习 / 强化学习 / 大模型训练 / 算法工程经验\n2. 熟练 Python，有训练 pipeline 或大规模系统经验\n3. 了解 RL、trajectory、reward、policy optimization、post-training 等基本方法\n4. 对 Agent、Tool Use、Browser/Computer Use、多步任务有兴趣或经验\n5. 有 rollout system / simulator / RLHF / agent training 经验优先",
"skills": [AI生成
"Python",
"机器学习",
"强化学习",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "5. 有 rollout system / simulator / RLHF / agent training 经验优先",
"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=100022915063"
}
]
},
"posting": {
"posting_id": "100022915063",
"post_date": "2026-08-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100022915063"
},
"fulltext": "阿里国际站-Agentic RL环境与模型训练工程师-杭州/北京\n阿里国际站-Agentic RL环境与模型训练工程师-杭州/北京\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n我们正在围绕 阿里巴巴国际站 + Accio Work 打造真实全球贸易场景的 AI Agent，覆盖买家采购、商家经营、Research、商品发布、跨平台运营、物流跟踪等复杂任务。\n这个岗位聚焦 Agent rollout 环境搭建 + agentic model 训练，不是传统训练岗，也不是普通应用岗，而是把真实业务流程变成模型可交互、可学习、可优化的 environment，训练一个真正“会做事”的 Agent。\n你会做什么：\n1. 搭建国际站场景下的 Agent rollout / environment，支持多步任务、工具调用、Browser/API 操作\n2. 构建 trajectory 采样、reward 计算、样本回流、任务重放等训练链路\n3. 参与 SFT / Preference / RLHF / RLAIF 等 agentic post-training 工作\n4. 研究 tool use、browser use、computer use、错误恢复、多步规划等问题\n5. 联动评测/数据/产品，形成“环境-训练-评测-回流”闭环\n为什么值得来：\n1. 做真实业务里的 Agent 训练，而不是 benchmark 实验\n2. 场景复杂且稀缺：多语言 + 多工具 + 长链路任务\n3. 同时覆盖 environment、rollout、reward、training，全链路空间大\n4. 有机会定义真实商业世界中 Agent 如何被训练出来\n\n职位要求\n我们希望你具备：\n1. 3年以上机器学习 / 强化学习 / 大模型训练 / 算法工程经验\n2. 熟练 Python，有训练 pipeline 或大规模系统经验\n3. 了解 RL、trajectory、reward、policy optimization、post-training 等基本方法\n4. 对 Agent、Tool Use、Browser/Computer Use、多步任务有兴趣或经验\n5. 有 rollout system / simulator / RLHF / agent training 经验优先\n我们正在围绕 阿里巴巴国际站 + Accio Work 打造真实全球贸易场景的 AI Agent，覆盖买家采购、商家经营、Research、商品发布、跨平台运营、物流跟踪等复杂任务。\n这个岗位聚焦 Agent rollout 环境搭建 + agentic model 训练，不是传统训练岗，也不是普通应用岗，而是把真实业务流程变成模型可交互、可学习、可优化的 environment，训练一个真正“会做事”的 Agent。\n你会做什么：\n1. 搭建国际站场景下的 Agent rollout / environment，支持多步任务、工具调用、Browser/API 操作\n2. 构建 trajectory 采样、reward 计算、样本回流、任务重放等训练链路\n3. 参与 SFT / Preference / RLHF / RLAIF 等 agentic post-training 工作\n4. 研究 tool use、browser use、computer use、错误恢复、多步规划等问题\n5. 联动评测/数据/产品，形成“环境-训练-评测-回流”闭环\n为什么值得来：\n1. 做真实业务里的 Agent 训练，而不是 benchmark 实验\n2. 场景复杂且稀缺：多语言 + 多工具 + 长链路任务\n3. 同时覆盖 environment、rollout、reward、training，全链路空间大\n4. 有机会定义真实商业世界中 Agent 如何被训练出来\n我们希望你具备：\n1. 3年以上机器学习 / 强化学习 / 大模型训练 / 算法工程经验\n2. 熟练 Python，有训练 pipeline 或大规模系统经验\n3. 了解 RL、trajectory、reward、policy optimization、post-training 等基本方法\n4. 对 Agent、Tool Use、Browser/Computer Use、多步任务有兴趣或经验\n5. 有 rollout system / simulator / RLHF / agent training 经验优先",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}