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": "大模型应用算法实习生（Agent训练/Agent自进化）-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": "北京 / 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": "1、构建Agent自进化闭环系统：针对复杂商业场景，设计并研发具备自主进化能力的 Agent 框架，形成从任务执行到自我反思、经验总结、能力增强的完整闭环；\n2、研发Agent自主学习与经验沉淀机制：\n--探索 Agent 在与环境交互中自主学习、自我改进的多元化路径；\n--研究长期经验沉淀算法，构建 Agent 可持续演化的能力底座，解决复杂任务流中的策略退化、长程优化等问题。\n3、探索前沿Agent自演进路径：\n--研究自动化对齐、自主数据演化、指令自我迭代等方向，构建模型在弱监督乃至无人工干预下的自我演进机制；\n--探索启发式学习（Heuristic Learning）、自我博弈（Self-Play）等前沿技术，打造具备自驱动特征的智能体系统。\n4、技术落地与业务实战：将自进化 Agent 算法应用于AccioWork等核心商业场景，沉淀具有行业影响力的技术方案与高水平学术成果。",
"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、在 NLP、大模型、Agent等领域有扎实的理论积累；\n3、核心技术能力：\n--深入理解 Agent 演化机制，对自进化、Agent 长程任务执行等方向有实战经验或独到见解；\n--具备大模型强化学习方向的训练实践经验，理解主流训练范式与优化策略；\n--具备业务问题抽象能力，能将复杂商业场景下的痛点转化为可落地的算法问题；\n4、前沿技术敏感度：\n--持续跟踪大模型自进化、自我改进等方向的前沿技术趋势；\n--关注自主智能体的最新进展，能快速复现并改进前沿算法。\n加分项：\n1、在 NeurIPS, ICLR, ICML, ACL, EMNLP 等顶级会议发表过相关论文；\n2、有高影响力 AI 开源项目贡献经验，或在相关领域竞赛中获得过顶尖名次。",
"skills": [AI生成
"强化学习",
"自然语言处理",
"大语言模型",
"智能体开发"
],
"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；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904820004?deptCodes="
}
]
},
"posting": {
"posting_id": "199904820004",
"post_date": "2026-05-18",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904820004?deptCodes="
},
"fulltext": "大模型应用算法实习生（Agent训练/Agent自进化）-Accio Work\n大模型应用算法实习生（Agent训练/Agent自进化）-Accio Work\n\n基础信息\n毕业起止时间要求：2027-03-01 - 2030-12-31\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：北京 / 杭州\n\n职位描述\n1、构建Agent自进化闭环系统：针对复杂商业场景，设计并研发具备自主进化能力的 Agent 框架，形成从任务执行到自我反思、经验总结、能力增强的完整闭环；\n2、研发Agent自主学习与经验沉淀机制：\n--探索 Agent 在与环境交互中自主学习、自我改进的多元化路径；\n--研究长期经验沉淀算法，构建 Agent 可持续演化的能力底座，解决复杂任务流中的策略退化、长程优化等问题。\n3、探索前沿Agent自演进路径：\n--研究自动化对齐、自主数据演化、指令自我迭代等方向，构建模型在弱监督乃至无人工干预下的自我演进机制；\n--探索启发式学习（Heuristic Learning）、自我博弈（Self-Play）等前沿技术，打造具备自驱动特征的智能体系统。\n4、技术落地与业务实战：将自进化 Agent 算法应用于AccioWork等核心商业场景，沉淀具有行业影响力的技术方案与高水平学术成果。\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、在 NLP、大模型、Agent等领域有扎实的理论积累；\n3、核心技术能力：\n--深入理解 Agent 演化机制，对自进化、Agent 长程任务执行等方向有实战经验或独到见解；\n--具备大模型强化学习方向的训练实践经验，理解主流训练范式与优化策略；\n--具备业务问题抽象能力，能将复杂商业场景下的痛点转化为可落地的算法问题；\n4、前沿技术敏感度：\n--持续跟踪大模型自进化、自我改进等方向的前沿技术趋势；\n--关注自主智能体的最新进展，能快速复现并改进前沿算法。\n加分项：\n1、在 NeurIPS, ICLR, ICML, ACL, EMNLP 等顶级会议发表过相关论文；\n2、有高影响力 AI 开源项目贡献经验，或在相关领域竞赛中获得过顶尖名次。\n\n在招业务\n阿里国际数字商业集团\n1、构建Agent自进化闭环系统：针对复杂商业场景，设计并研发具备自主进化能力的 Agent 框架，形成从任务执行到自我反思、经验总结、能力增强的完整闭环；\n2、研发Agent自主学习与经验沉淀机制：\n--探索 Agent 在与环境交互中自主学习、自我改进的多元化路径；\n--研究长期经验沉淀算法，构建 Agent 可持续演化的能力底座，解决复杂任务流中的策略退化、长程优化等问题。\n3、探索前沿Agent自演进路径：\n--研究自动化对齐、自主数据演化、指令自我迭代等方向，构建模型在弱监督乃至无人工干预下的自我演进机制；\n--探索启发式学习（Heuristic Learning）、自我博弈（Self-Play）等前沿技术，打造具备自驱动特征的智能体系统。\n4、技术落地与业务实战：将自进化 Agent 算法应用于AccioWork等核心商业场景，沉淀具有行业影响力的技术方案与高水平学术成果。\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、在 NLP、大模型、Agent等领域有扎实的理论积累；\n3、核心技术能力：\n--深入理解 Agent 演化机制，对自进化、Agent 长程任务执行等方向有实战经验或独到见解；\n--具备大模型强化学习方向的训练实践经验，理解主流训练范式与优化策略；\n--具备业务问题抽象能力，能将复杂商业场景下的痛点转化为可落地的算法问题；\n4、前沿技术敏感度：\n--持续跟踪大模型自进化、自我改进等方向的前沿技术趋势；\n--关注自主智能体的最新进展，能快速复现并改进前沿算法。\n加分项：\n1、在 NeurIPS, ICLR, ICML, ACL, EMNLP 等顶级会议发表过相关论文；\n2、有高影响力 AI 开源项目贡献经验，或在相关领域竞赛中获得过顶尖名次。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}