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": "1688买家Agentic AI算法专家-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",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、数学、自动化等相关专业博士或顶尖硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.主导GRPO/PPO/DAPO等Alignment算法研发，提升模型在B2B复杂场景下的长链条推理、Tool-use及自省纠错能力；\n2.基于1688海量买卖家交互数据，搭建针对B类生意场景的模拟器或世界模型，通过模拟博弈持续优化Agent的最优决策路径；\n3.参与千亿级模型的继续训练与Multi-Agent RL训练，构建openclaw的大脑，同时推进落地；\n4.将业务突破转化为学术成果，支持在 NeurIPS、ICLR、ICML 等顶会发表高质量论文，或推动相关算法在社区的开源，建立行业影响力。",
"requirements_text": "1.计算机、数学、自动化等相关专业博士或顶尖硕士，深入理解LLM/VLM/RL/Agent领域，熟悉DPO/PPO/GRPO等RL前沿算法；\n2.具备实际的Agent系统开发经验如任务分解、工具调用、记忆管理、上下文规划等，参与或主导过大型语言模型的训练或优化项目，熟悉Agent评估；\n3.具备敏锐的逻辑分析能力，坚定相信AI Native的未来，具备从底层重构产品的热忱，而不只是在旧系统上修修补补。",
"skills": [AI生成
"分析能力"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907640027?deptCodes="
}
]
},
"posting": {
"posting_id": "199907640027",
"post_date": "2026-08-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907640027?deptCodes="
},
"fulltext": "1688买家Agentic AI算法专家-阿里星\n1688买家Agentic AI算法专家-阿里星\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：杭州\n\n职位描述\n1.主导GRPO/PPO/DAPO等Alignment算法研发，提升模型在B2B复杂场景下的长链条推理、Tool-use及自省纠错能力；\n2.基于1688海量买卖家交互数据，搭建针对B类生意场景的模拟器或世界模型，通过模拟博弈持续优化Agent的最优决策路径；\n3.参与千亿级模型的继续训练与Multi-Agent RL训练，构建openclaw的大脑，同时推进落地；\n4.将业务突破转化为学术成果，支持在 NeurIPS、ICLR、ICML 等顶会发表高质量论文，或推动相关算法在社区的开源，建立行业影响力。\n\n职位要求\n1.计算机、数学、自动化等相关专业博士或顶尖硕士，深入理解LLM/VLM/RL/Agent领域，熟悉DPO/PPO/GRPO等RL前沿算法；\n2.具备实际的Agent系统开发经验如任务分解、工具调用、记忆管理、上下文规划等，参与或主导过大型语言模型的训练或优化项目，熟悉Agent评估；\n3.具备敏锐的逻辑分析能力，坚定相信AI Native的未来，具备从底层重构产品的热忱，而不只是在旧系统上修修补补。\n\n在招业务\n淘天集团\n1.主导GRPO/PPO/DAPO等Alignment算法研发，提升模型在B2B复杂场景下的长链条推理、Tool-use及自省纠错能力；\n2.基于1688海量买卖家交互数据，搭建针对B类生意场景的模拟器或世界模型，通过模拟博弈持续优化Agent的最优决策路径；\n3.参与千亿级模型的继续训练与Multi-Agent RL训练，构建openclaw的大脑，同时推进落地；\n4.将业务突破转化为学术成果，支持在 NeurIPS、ICLR、ICML 等顶会发表高质量论文，或推动相关算法在社区的开源，建立行业影响力。\n1.计算机、数学、自动化等相关专业博士或顶尖硕士，深入理解LLM/VLM/RL/Agent领域，熟悉DPO/PPO/GRPO等RL前沿算法；\n2.具备实际的Agent系统开发经验如任务分解、工具调用、记忆管理、上下文规划等，参与或主导过大型语言模型的训练或优化项目，熟悉Agent评估；\n3.具备敏锐的逻辑分析能力，坚定相信AI Native的未来，具备从底层重构产品的热忱，而不只是在旧系统上修修补补。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}