主分类：Agent系统开发
辅助：大模型与生成式算法研发（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-业务技术-AI Agent应用算法实习生（SRE根因分析）",
"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": "计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 探索基于强化学习的智能运维（SRE）Agent技术，通过模拟复杂故障场景训练决策策略，构建具备根因诊断、自主决策的智能系统，结合推理规划、多轮工具调用、因果推断与反事实推理等前沿技术，推动运维智能化的突破性进展。\n2. 参与核心算法设计与系统开发，探索结合因果建模与反事实推理方法，解决动态环境下的根因诊断与决策优化问题。\n3. 基于真实生产数据或开源数据集，搭建故障模拟环境并定义多维度奖励函数，实现多轮工具调用能力（如日志分析、指标监控、配置管理API），构建端到端的智能运维原型系统，设计对比实验评估Agent性能，撰写技术报告并参与论文或专利撰写。",
"requirements_text": "1. 计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历，博士或有国际顶会论文发表者优先。\n2. 精通Python，熟悉PyTorch深度学习框架，对LLM、Agent领域有深入研究，有AI Agent相关研发经验（如多智能体协作、决策优化、强化学习与SFT结合等）。\n3. 了解因果图建模、反事实推理，熟悉强化学习算法，如PPO、GRPO、DAPO等主流策略优化算法。\n4. 了解SRE/故障注入技术，有智能运维（AIOps）、故障预测、根因分析（RCA）相关项目经验优先。\n5. 对复杂系统建模与优化有强烈兴趣，具备跨学科能力，思维严谨，能通过实验快速验证假设。",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"强化学习",
"建模",
"智能体开发"
],
"preferred_qualifications": "1. 计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历，博士或有国际顶会论文发表者优先；4. 了解SRE/故障注入技术，有智能运维（AIOps）、故障预测、根因分析（RCA）相关项目经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903920042?deptCodes="
}
]
},
"posting": {
"posting_id": "199903920042",
"post_date": "2026-04-23",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903920042?deptCodes="
},
"fulltext": "研究型实习生-业务技术-AI Agent应用算法实习生（SRE根因分析）\n研究型实习生-业务技术-AI Agent应用算法实习生（SRE根因分析）\n\n基础信息\n毕业起止时间要求：2026-10-31 - 2029-09-30\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. 探索基于强化学习的智能运维（SRE）Agent技术，通过模拟复杂故障场景训练决策策略，构建具备根因诊断、自主决策的智能系统，结合推理规划、多轮工具调用、因果推断与反事实推理等前沿技术，推动运维智能化的突破性进展。\n2. 参与核心算法设计与系统开发，探索结合因果建模与反事实推理方法，解决动态环境下的根因诊断与决策优化问题。\n3. 基于真实生产数据或开源数据集，搭建故障模拟环境并定义多维度奖励函数，实现多轮工具调用能力（如日志分析、指标监控、配置管理API），构建端到端的智能运维原型系统，设计对比实验评估Agent性能，撰写技术报告并参与论文或专利撰写。\n\n职位要求\n1. 计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历，博士或有国际顶会论文发表者优先。\n2. 精通Python，熟悉PyTorch深度学习框架，对LLM、Agent领域有深入研究，有AI Agent相关研发经验（如多智能体协作、决策优化、强化学习与SFT结合等）。\n3. 了解因果图建模、反事实推理，熟悉强化学习算法，如PPO、GRPO、DAPO等主流策略优化算法。\n4. 了解SRE/故障注入技术，有智能运维（AIOps）、故障预测、根因分析（RCA）相关项目经验优先。\n5. 对复杂系统建模与优化有强烈兴趣，具备跨学科能力，思维严谨，能通过实验快速验证假设。\n\n在招业务\n淘天集团\n1. 探索基于强化学习的智能运维（SRE）Agent技术，通过模拟复杂故障场景训练决策策略，构建具备根因诊断、自主决策的智能系统，结合推理规划、多轮工具调用、因果推断与反事实推理等前沿技术，推动运维智能化的突破性进展。\n2. 参与核心算法设计与系统开发，探索结合因果建模与反事实推理方法，解决动态环境下的根因诊断与决策优化问题。\n3. 基于真实生产数据或开源数据集，搭建故障模拟环境并定义多维度奖励函数，实现多轮工具调用能力（如日志分析、指标监控、配置管理API），构建端到端的智能运维原型系统，设计对比实验评估Agent性能，撰写技术报告并参与论文或专利撰写。\n1. 计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历，博士或有国际顶会论文发表者优先。\n2. 精通Python，熟悉PyTorch深度学习框架，对LLM、Agent领域有深入研究，有AI Agent相关研发经验（如多智能体协作、决策优化、强化学习与SFT结合等）。\n3. 了解因果图建模、反事实推理，熟悉强化学习算法，如PPO、GRPO、DAPO等主流策略优化算法。\n4. 了解SRE/故障注入技术，有智能运维（AIOps）、故障预测、根因分析（RCA）相关项目经验优先。\n5. 对复杂系统建模与优化有强烈兴趣，具备跨学科能力，思维严谨，能通过实验快速验证假设。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}