主分类：Agent系统开发
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": "算法工程师-AI Agent",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里巴巴控股集团 / 淘天集团 / 阿里国际数字商业集团 / 阿里云 / Token Foundry / 千问事业部 / 虎鲸文娱集团",
"location": "北京 / 杭州 / 上海",
"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长短期记忆（Memory）及 RAG 增强；\n2.应用强化学习（RL）、模仿学习、SFT 及偏好对齐（DPO/PPO）技术，提升模型在复杂任务中的执行成功率与逻辑性；\n3. 参与构建高性能、高可用的 Agent 框架或 Runtime 系统，探索多智能体（Multi-Agent）协同与自我迭代学习范式；\n4. 构建端到端的智能体评测体系，通过数据驱动的方式持续迭代算法，推动 Agent 在搜索、办公、创作或垂直行业场景的落地。",
"requirements_text": "1. 本科及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2. 精通 Python，具备扎实的 C/C++/Java（至少一门）基础，具备极佳的工程实现能力，追求高质量的代码设计；\n3. 深入理解 Transformer 架构及大模型（LLM）原理；熟悉深度学习主流框架（PyTorch/TensorFlow）；掌握强化学习、自然语言处理或计算机视觉的基础理论；\n4. 极强的求知欲与学习能力，对新技术保有好奇心；逻辑清晰，善于独立思考并反思总结；具备良好的沟通能力和团队协同意识。\n【加分项】\n1. 在 NeurIPS, ICML, ICLR, ACL, CVPR 等顶级会议发表过论文；\n2. 在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法大赛中获得优异名次；\n3. 开知名开源项目的核心贡献者或在开源社区有影响力；\n4. 有 LangChain、AutoGen、MetaGPT 等 Agent 框架的使用或二次开发经验；\n5. 熟悉 RAG 架构或在搜索/推荐场景有相关实践。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"深度学习",
"强化学习",
"自然语言处理",
"计算机视觉",
"沟通能力",
"学习能力",
"大语言模型",
"检索增强生成",
"C语言"
],
"preferred_qualifications": "1. 本科及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；【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/199907700028?deptCodes="
}
]
},
"posting": {
"posting_id": "199907700028",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907700028?deptCodes="
},
"fulltext": "算法工程师-AI Agent\n算法工程师-AI Agent\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 / 上海\n\n职位描述\n1. 研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长短期记忆（Memory）及 RAG 增强；\n2.应用强化学习（RL）、模仿学习、SFT 及偏好对齐（DPO/PPO）技术，提升模型在复杂任务中的执行成功率与逻辑性；\n3. 参与构建高性能、高可用的 Agent 框架或 Runtime 系统，探索多智能体（Multi-Agent）协同与自我迭代学习范式；\n4. 构建端到端的智能体评测体系，通过数据驱动的方式持续迭代算法，推动 Agent 在搜索、办公、创作或垂直行业场景的落地。\n\n职位要求\n1. 本科及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2. 精通 Python，具备扎实的 C/C++/Java（至少一门）基础，具备极佳的工程实现能力，追求高质量的代码设计；\n3. 深入理解 Transformer 架构及大模型（LLM）原理；熟悉深度学习主流框架（PyTorch/TensorFlow）；掌握强化学习、自然语言处理或计算机视觉的基础理论；\n4. 极强的求知欲与学习能力，对新技术保有好奇心；逻辑清晰，善于独立思考并反思总结；具备良好的沟通能力和团队协同意识。\n【加分项】\n1. 在 NeurIPS, ICML, ICLR, ACL, CVPR 等顶级会议发表过论文；\n2. 在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法大赛中获得优异名次；\n3. 开知名开源项目的核心贡献者或在开源社区有影响力；\n4. 有 LangChain、AutoGen、MetaGPT 等 Agent 框架的使用或二次开发经验；\n5. 熟悉 RAG 架构或在搜索/推荐场景有相关实践。\n\n在招业务\n阿里巴巴控股集团 / 淘天集团 / 阿里国际数字商业集团 / 阿里云 / Token Foundry / 千问事业部 / 虎鲸文娱集团\n1. 研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长短期记忆（Memory）及 RAG 增强；\n2.应用强化学习（RL）、模仿学习、SFT 及偏好对齐（DPO/PPO）技术，提升模型在复杂任务中的执行成功率与逻辑性；\n3. 参与构建高性能、高可用的 Agent 框架或 Runtime 系统，探索多智能体（Multi-Agent）协同与自我迭代学习范式；\n4. 构建端到端的智能体评测体系，通过数据驱动的方式持续迭代算法，推动 Agent 在搜索、办公、创作或垂直行业场景的落地。\n1. 本科及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2. 精通 Python，具备扎实的 C/C++/Java（至少一门）基础，具备极佳的工程实现能力，追求高质量的代码设计；\n3. 深入理解 Transformer 架构及大模型（LLM）原理；熟悉深度学习主流框架（PyTorch/TensorFlow）；掌握强化学习、自然语言处理或计算机视觉的基础理论；\n4. 极强的求知欲与学习能力，对新技术保有好奇心；逻辑清晰，善于独立思考并反思总结；具备良好的沟通能力和团队协同意识。\n【加分项】\n1. 在 NeurIPS, ICML, ICLR, ACL, CVPR 等顶级会议发表过论文；\n2. 在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法大赛中获得优异名次；\n3. 开知名开源项目的核心贡献者或在开源社区有影响力；\n4. 有 LangChain、AutoGen、MetaGPT 等 Agent 框架的使用或二次开发经验；\n5. 熟悉 RAG 架构或在搜索/推荐场景有相关实践。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}