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-1688-Agentic AI/RL实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. Agent 基础设施优化：在电商垂域开展大模型 Agentic AI 的关键要素构建与优化，涵盖环境工具建设（Environment/Tools）、高质量数据合成及 Reward Modeling；\n2. 后训练算法攻坚：优化 Post-training 算法（如 GRPO/PPO/SearchR1 等），提升模型在复杂环境下的工具使用（Tool-use）、规划（Plan）、深度推理（Deep Research）及报告生成能力；\n3. 全流程模型迭代：参与千亿级模型的 Agentic 能力全流程优化，包括 CPT (Continued Pre-training)、SFT、Post-train 及 Multi-agent RL，负责复现业界前沿工作并探索提出新算法。",
"requirements_text": "1. 深入理解 LLM/RL/Agent 领域知识，熟悉常见的 Alignment 算法（如 DPO/PPO/GRPO/DAPO 等）；\n2. 熟悉前沿 Agentic RL 算法与框架，参与过实际项目的开发与训练，具备敏锐的技术视野，对前沿研究保持敏感；\n3. 对 AI 技术充满热情，具备优秀的自驱力（Self-driven）和复杂问题解决能力；\n4. 拥有编程竞赛获奖经历、顶会论文发表记录或知名开源库贡献者优先。",
"skills": [AI生成
"大语言模型"
],
"preferred_qualifications": "4. 拥有编程竞赛获奖经历、顶会论文发表记录或知名开源库贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903840042?deptCodes="
}
]
},
"posting": {
"posting_id": "199903840042",
"post_date": "2026-03-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903840042?deptCodes="
},
"fulltext": "研究型实习生-1688-Agentic AI/RL实习生\n研究型实习生-1688-Agentic AI/RL实习生\n\n基础信息\n毕业起止时间要求：2026-10-31 - 2028-10-30\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：杭州\n\n职位描述\n1. Agent 基础设施优化：在电商垂域开展大模型 Agentic AI 的关键要素构建与优化，涵盖环境工具建设（Environment/Tools）、高质量数据合成及 Reward Modeling；\n2. 后训练算法攻坚：优化 Post-training 算法（如 GRPO/PPO/SearchR1 等），提升模型在复杂环境下的工具使用（Tool-use）、规划（Plan）、深度推理（Deep Research）及报告生成能力；\n3. 全流程模型迭代：参与千亿级模型的 Agentic 能力全流程优化，包括 CPT (Continued Pre-training)、SFT、Post-train 及 Multi-agent RL，负责复现业界前沿工作并探索提出新算法。\n\n职位要求\n1. 深入理解 LLM/RL/Agent 领域知识，熟悉常见的 Alignment 算法（如 DPO/PPO/GRPO/DAPO 等）；\n2. 熟悉前沿 Agentic RL 算法与框架，参与过实际项目的开发与训练，具备敏锐的技术视野，对前沿研究保持敏感；\n3. 对 AI 技术充满热情，具备优秀的自驱力（Self-driven）和复杂问题解决能力；\n4. 拥有编程竞赛获奖经历、顶会论文发表记录或知名开源库贡献者优先。\n\n在招业务\n淘天集团\n1. Agent 基础设施优化：在电商垂域开展大模型 Agentic AI 的关键要素构建与优化，涵盖环境工具建设（Environment/Tools）、高质量数据合成及 Reward Modeling；\n2. 后训练算法攻坚：优化 Post-training 算法（如 GRPO/PPO/SearchR1 等），提升模型在复杂环境下的工具使用（Tool-use）、规划（Plan）、深度推理（Deep Research）及报告生成能力；\n3. 全流程模型迭代：参与千亿级模型的 Agentic 能力全流程优化，包括 CPT (Continued Pre-training)、SFT、Post-train 及 Multi-agent RL，负责复现业界前沿工作并探索提出新算法。\n1. 深入理解 LLM/RL/Agent 领域知识，熟悉常见的 Alignment 算法（如 DPO/PPO/GRPO/DAPO 等）；\n2. 熟悉前沿 Agentic RL 算法与框架，参与过实际项目的开发与训练，具备敏锐的技术视野，对前沿研究保持敏感；\n3. 对 AI 技术充满热情，具备优秀的自驱力（Self-driven）和复杂问题解决能力；\n4. 拥有编程竞赛获奖经历、顶会论文发表记录或知名开源库贡献者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}