主分类：大模型与生成式算法研发
辅助：Agent系统开发（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": "研究型实习生-Agentic Post-training-Accio Work",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里国际数字商业集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里国际数字商业集团",
"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": "【团队介绍】\nAccio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。\n【研究课题】\nAgent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；\n【岗位职责】（其一或多个均可）\n1、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；\n2、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；\n3、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；\n4、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;\n5、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；\n6、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；\n7、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。",
"requirements_text": "1、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；\n2、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；\n3、熟悉 Agent 系统设计，对 Tool-use、multi-step reasoning、skills 等能力具有深入理解；\n4、在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR等顶级会议/期刊上发表论文者优先；\n5、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、具有知名大模型Post-training/RL实际训练经验者优先；\n2、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\n3、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；\n4、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。",
"skills": [AI生成
"Python",
"PyTorch",
"大语言模型"
],
"preferred_qualifications": "1、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；4、在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR等顶级会议/期刊上发表论文者优先；【加分项】；1、具有知名大模型Post-training/RL实际训练经验者优先；2、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；3、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；4、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",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903780001?deptCodes="
}
]
},
"posting": {
"posting_id": "199903780001",
"post_date": "2026-07-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903780001?deptCodes="
},
"fulltext": "研究型实习生-Agentic Post-training-Accio Work\n研究型实习生-Agentic Post-training-Accio Work\n\n基础信息\n毕业起止时间要求：2026-10-01 - 2030-11-30\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n【团队介绍】\nAccio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。\n【研究课题】\nAgent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；\n【岗位职责】（其一或多个均可）\n1、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；\n2、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；\n3、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；\n4、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;\n5、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；\n6、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；\n7、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。\n\n职位要求\n1、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；\n2、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；\n3、熟悉 Agent 系统设计，对 Tool-use、multi-step reasoning、skills 等能力具有深入理解；\n4、在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR等顶级会议/期刊上发表论文者优先；\n5、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、具有知名大模型Post-training/RL实际训练经验者优先；\n2、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\n3、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；\n4、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。\n\n在招业务\n阿里国际数字商业集团\n【团队介绍】\nAccio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。\n【研究课题】\nAgent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；\n【岗位职责】（其一或多个均可）\n1、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；\n2、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；\n3、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；\n4、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;\n5、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；\n6、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；\n7、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。\n1、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；\n2、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；\n3、熟悉 Agent 系统设计，对 Tool-use、multi-step reasoning、skills 等能力具有深入理解；\n4、在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR等顶级会议/期刊上发表论文者优先；\n5、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、具有知名大模型Post-training/RL实际训练经验者优先；\n2、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\n3、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；\n4、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。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}