主分类：大模型与生成式算法研发
辅助：AI模型评测工程（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-Agentic RL-Accio",
"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": "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": "团队介绍：\nAccio 是阿里国际旗下的 AI Native 跨境贸易平台（Agent），致力于用 AI 重构全球 B2B 采购体验。我们拥有充足的计算资源（H100/B200 集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围。在这里，研究成果不仅会产出学术论文，还会直接作用于海量的真实B2B贸易场景。\n项目介绍：\n真实的 B2B 交易场景天然是异步、长程的 —— 一次采购询盘从需求澄清到多供应商谈判再到最终比价，可能跨越数小时乃至数天，涉及多轮交互、并发协调和对比推荐等。当前主流 Agent 研究集中在同步、短程任务（单次对话内完成），本项目聚焦于为这类异步长程任务构建 Agent 核心能力，研究方向包括：长程任务分解与规划、过程监督与自主纠偏、主动式用户交互机制，以及支撑上述能力的 Agentic RL 训练方法。\n岗位职责：\n1、Agentic RL 研究与训练： 设计面向异步长程场景的 RL 方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL 等）进行大规模调优；\n2、核心能力建设：研究长程任务分解、执行监控、自主纠偏、主动通知等 Agent 关键能力，推动成果在 Accio 业务场景落地；\n3、评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有 benchmark 未充分涵盖的维度。",
"requirements_text": "1、2027年11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；\n2、具有研究经验：大模型 post-training / 强化学习方向，具有一篇及以上一作顶会论文（NeurIPS / ICML / ICLR / ACL 等）；\n3、理解Agent系统：熟悉 Agent 系统设计，对 tool use、multi-step reasoning、skills 等能力有深入理解；\n4、具备工程能力：熟练使用 Python / PyTorch，熟悉主流 RL 训练框架（VeRL 等）及 Agent 开发框架；\n加分项：有长程规划、异步任务调度、multi-agent 系统方向的研究发表；参与过知名 Agentic RL 项目；具备跨境电商或 B2B 贸易场景经验。",
"skills": [AI生成
"Python",
"PyTorch",
"强化学习",
"大语言模型"
],
"preferred_qualifications": "加分项：有长程规划、异步任务调度、multi-agent 系统方向的研究发表",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907680066?deptCodes="
}
]
},
"posting": {
"posting_id": "199907680066",
"post_date": "2026-07-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907680066?deptCodes="
},
"fulltext": "研究型实习生-Agentic RL-Accio\n研究型实习生-Agentic RL-Accio\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-12-31\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\n团队介绍：\nAccio 是阿里国际旗下的 AI Native 跨境贸易平台（Agent），致力于用 AI 重构全球 B2B 采购体验。我们拥有充足的计算资源（H100/B200 集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围。在这里，研究成果不仅会产出学术论文，还会直接作用于海量的真实B2B贸易场景。\n项目介绍：\n真实的 B2B 交易场景天然是异步、长程的 —— 一次采购询盘从需求澄清到多供应商谈判再到最终比价，可能跨越数小时乃至数天，涉及多轮交互、并发协调和对比推荐等。当前主流 Agent 研究集中在同步、短程任务（单次对话内完成），本项目聚焦于为这类异步长程任务构建 Agent 核心能力，研究方向包括：长程任务分解与规划、过程监督与自主纠偏、主动式用户交互机制，以及支撑上述能力的 Agentic RL 训练方法。\n岗位职责：\n1、Agentic RL 研究与训练： 设计面向异步长程场景的 RL 方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL 等）进行大规模调优；\n2、核心能力建设：研究长程任务分解、执行监控、自主纠偏、主动通知等 Agent 关键能力，推动成果在 Accio 业务场景落地；\n3、评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有 benchmark 未充分涵盖的维度。\n\n职位要求\n1、2027年11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；\n2、具有研究经验：大模型 post-training / 强化学习方向，具有一篇及以上一作顶会论文（NeurIPS / ICML / ICLR / ACL 等）；\n3、理解Agent系统：熟悉 Agent 系统设计，对 tool use、multi-step reasoning、skills 等能力有深入理解；\n4、具备工程能力：熟练使用 Python / PyTorch，熟悉主流 RL 训练框架（VeRL 等）及 Agent 开发框架；\n加分项：有长程规划、异步任务调度、multi-agent 系统方向的研究发表；参与过知名 Agentic RL 项目；具备跨境电商或 B2B 贸易场景经验。\n\n在招业务\n阿里国际数字商业集团\n团队介绍：\nAccio 是阿里国际旗下的 AI Native 跨境贸易平台（Agent），致力于用 AI 重构全球 B2B 采购体验。我们拥有充足的计算资源（H100/B200 集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围。在这里，研究成果不仅会产出学术论文，还会直接作用于海量的真实B2B贸易场景。\n项目介绍：\n真实的 B2B 交易场景天然是异步、长程的 —— 一次采购询盘从需求澄清到多供应商谈判再到最终比价，可能跨越数小时乃至数天，涉及多轮交互、并发协调和对比推荐等。当前主流 Agent 研究集中在同步、短程任务（单次对话内完成），本项目聚焦于为这类异步长程任务构建 Agent 核心能力，研究方向包括：长程任务分解与规划、过程监督与自主纠偏、主动式用户交互机制，以及支撑上述能力的 Agentic RL 训练方法。\n岗位职责：\n1、Agentic RL 研究与训练： 设计面向异步长程场景的 RL 方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL 等）进行大规模调优；\n2、核心能力建设：研究长程任务分解、执行监控、自主纠偏、主动通知等 Agent 关键能力，推动成果在 Accio 业务场景落地；\n3、评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有 benchmark 未充分涵盖的维度。\n1、2027年11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；\n2、具有研究经验：大模型 post-training / 强化学习方向，具有一篇及以上一作顶会论文（NeurIPS / ICML / ICLR / ACL 等）；\n3、理解Agent系统：熟悉 Agent 系统设计，对 tool use、multi-step reasoning、skills 等能力有深入理解；\n4、具备工程能力：熟练使用 Python / PyTorch，熟悉主流 RL 训练框架（VeRL 等）及 Agent 开发框架；\n加分项：有长程规划、异步任务调度、multi-agent 系统方向的研究发表；参与过知名 Agentic RL 项目；具备跨境电商或 B2B 贸易场景经验。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}