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": "代码场景的Agentic RL与数据合成-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里巴巴控股集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、信息科学、数学或相关专业博士学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责 Agentic Model 的训练方法、能力提升与数据合成体系研究，探索大模型在自主决策、规划与工具调用等方面的强化路径，包括但不限于：\n1. 针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，持续迭代模型在Agent场景的应用性能；\n2. 应用并改进Agentic RL算法，提升模型在代码场景中的成功率和鲁棒性；\n3. 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、信息科学、数学或相关专业博士学历，深入理解LLM/MLLM/RL/Agent领域，熟悉DPO/PPO/GRPO等RL前沿算法；\n2. 有大规模数据合成、Coding Agent训练、大规模RL训练等项目经验者优先；\n3. 有较强的自驱力、学习力、创新力、沟通能力和抗压能力，能够跟上正在快速变化的AI时代；\n4. 加分项：在ICLR、ICML、CVPR、ICCV、ACL、NeurIPS等顶会上发表过高质量论文，有高质量github开源项目者优先；\n5. 加分项：具有业界AI/Agent团队的相关实习和工作经验。",
"skills": [AI生成
"沟通能力"
],
"preferred_qualifications": "2. 有大规模数据合成、Coding Agent训练、大规模RL训练等项目经验者优先；4. 加分项：在ICLR、ICML、CVPR、ICCV、ACL、NeurIPS等顶会上发表过高质量论文，有高质量github开源项目者优先；5. 加分项：具有业界AI/Agent团队的相关实习和工作经验",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907640077?deptCodes="
}
]
},
"posting": {
"posting_id": "199907640077",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907640077?deptCodes="
},
"fulltext": "代码场景的Agentic RL与数据合成-阿里星\n代码场景的Agentic RL与数据合成-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：北京 / 杭州\n\n职位描述\n负责 Agentic Model 的训练方法、能力提升与数据合成体系研究，探索大模型在自主决策、规划与工具调用等方面的强化路径，包括但不限于：\n1. 针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，持续迭代模型在Agent场景的应用性能；\n2. 应用并改进Agentic RL算法，提升模型在代码场景中的成功率和鲁棒性；\n3. 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、信息科学、数学或相关专业博士学历，深入理解LLM/MLLM/RL/Agent领域，熟悉DPO/PPO/GRPO等RL前沿算法；\n2. 有大规模数据合成、Coding Agent训练、大规模RL训练等项目经验者优先；\n3. 有较强的自驱力、学习力、创新力、沟通能力和抗压能力，能够跟上正在快速变化的AI时代；\n4. 加分项：在ICLR、ICML、CVPR、ICCV、ACL、NeurIPS等顶会上发表过高质量论文，有高质量github开源项目者优先；\n5. 加分项：具有业界AI/Agent团队的相关实习和工作经验。\n\n在招业务\n阿里巴巴控股集团\n负责 Agentic Model 的训练方法、能力提升与数据合成体系研究，探索大模型在自主决策、规划与工具调用等方面的强化路径，包括但不限于：\n1. 针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，持续迭代模型在Agent场景的应用性能；\n2. 应用并改进Agentic RL算法，提升模型在代码场景中的成功率和鲁棒性；\n3. 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、信息科学、数学或相关专业博士学历，深入理解LLM/MLLM/RL/Agent领域，熟悉DPO/PPO/GRPO等RL前沿算法；\n2. 有大规模数据合成、Coding Agent训练、大规模RL训练等项目经验者优先；\n3. 有较强的自驱力、学习力、创新力、沟通能力和抗压能力，能够跟上正在快速变化的AI时代；\n4. 加分项：在ICLR、ICML、CVPR、ICCV、ACL、NeurIPS等顶会上发表过高质量论文，有高质量github开源项目者优先；\n5. 加分项：具有业界AI/Agent团队的相关实习和工作经验。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}