主分类：Agent系统开发
辅助：数据工程与数据平台研发（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": "下一代大模型智能体框架与数据技术-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "Token Foundry",
"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": "阿里巴巴集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "10000人以上",
"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": "来自全球 Top 高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "近年来，以大模型为核心的生成式人工智能正从\"\"能对话、能生成\"\"迈向\"\"能自主完成任务\"\"。智能体（Agent）框架与数据技术，正成为放大模型能力、连接前沿研究与产业落地的关键基础设施。\n我们致力于打造下一代大模型智能体框架（Agent Harness）与配套的数据技术体系：一方面，把 LLM 当作\"\"CPU\"\"，构建可直接使用的\"\"Agent操作系统\"\"——涵盖运行时、工具沙箱、记忆与上下文、Agent 工作空间，并探索 Loop + Verifier 等新一代推理与评测范式；另一方面，研发面向基础模型的一站式数据处理系统，通过合成数据、合成环境、Verifier 与 User Simulator，成为模型能力迭代的重要推力。\n如果你对智能体系统、Agent 与模型协同进化、大规模数据处理与合成有浓厚兴趣，并渴望让自己的工作既影响开源开发者社区、又驱动真实业务与商业产品，欢迎加入我们，共同定义 Agent 时代的能力边界。\n1. Agent Harness 框架与核心技术研发（开源 & 研究）：定义下一代\"\"Agent 操作系统\"\"的技术范式，研发运行时、工具沙箱、记忆与上下文、工作空间等核心模块；探索 ReAct 之外更优的推理方式（如 Loop + Verifier）与 Agent 评测体系，并建设有影响力的开源社区。\n2. 模型能力在 Agentic Pipeline 中放大：以 Harness 作为模型能力的放大器，在多轮对话、CoWork、工具/Skill 调用、规划与自我验证等场景中，充分释放并增强大模型的智能体生产力。\n3. 面向后训练的数据/环境供给与 Harness × Model 协同：构建合成数据、合成环境、Verifier、User Simulator 与评测环境，输入基础模型后训练，与模型团队协同完成 Harness × Model 的协同设计与持续迭代。\n4. 智能体数据技术与数据-模型协同开发：研发面向 LLM / VLM / 多模态 / 具身的一站式数据处理系统，攻克 Data-Model Co-development 中的数据挑战，构建丰富算子、分布式高性能与灵活嵌入能力。\n5. 智能体技术端到端落地：将智能体技术在垂域场景、云平台产品与重要业务中端到端落地，主导技术方案落地，通过开源影响力、调用量、AB 实验与用户反馈验证价值。",
"requirements_text": "1. 来自全球 Top 高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生。\n2. 深入掌握大语言模型、强化学习、智能体（Agent）与数据处理相关技术；在大模型智能体、Agent 推理与评测、合成数据/环境、或大规模数据处理等方向有深入研究。\n3. 在国际顶级会议/期刊（如 NeurIPS、ICML、ICLR、KDD、ACL、VLDB、SIGMOD 等）以一作身份发表过论文，或在开源社区、竞赛中展示出引领性的研究与工程成果。\n4. 良好的工程与实验思维：熟悉 PyTorch 等主流框架，具备大规模模型训练/数据处理工程经验，能高效实现定制化的训练与数据流程；重视代码质量与实验结果，追求\"不仅 work，而且高效优雅\"。\n5. 技术热情与好奇心：有志于将 AI 从实验室推向真实业务场景，构建\"可用、可扩展、可持续\"的智能体系统与数据基础设施，善于从复杂需求中提炼核心技术问题并设计创新方案。\n6. 善于跨团队协作与开源共建：能与模型、产品、基础研究及外部社区高效沟通，平衡技术理想与落地实现。",
"skills": [AI生成
"PyTorch",
"强化学习",
"模型训练",
"团队协作",
"大语言模型",
"智能体开发"
],
"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/199907700044?deptCodes="
}
]
},
"posting": {
"posting_id": "199907700044",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907700044?deptCodes="
},
"fulltext": "下一代大模型智能体框架与数据技术-阿里星\n下一代大模型智能体框架与数据技术-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 / 上海\n\n职位描述\n近年来，以大模型为核心的生成式人工智能正从\"\"能对话、能生成\"\"迈向\"\"能自主完成任务\"\"。智能体（Agent）框架与数据技术，正成为放大模型能力、连接前沿研究与产业落地的关键基础设施。\n我们致力于打造下一代大模型智能体框架（Agent Harness）与配套的数据技术体系：一方面，把 LLM 当作\"\"CPU\"\"，构建可直接使用的\"\"Agent操作系统\"\"——涵盖运行时、工具沙箱、记忆与上下文、Agent 工作空间，并探索 Loop + Verifier 等新一代推理与评测范式；另一方面，研发面向基础模型的一站式数据处理系统，通过合成数据、合成环境、Verifier 与 User Simulator，成为模型能力迭代的重要推力。\n如果你对智能体系统、Agent 与模型协同进化、大规模数据处理与合成有浓厚兴趣，并渴望让自己的工作既影响开源开发者社区、又驱动真实业务与商业产品，欢迎加入我们，共同定义 Agent 时代的能力边界。\n1. Agent Harness 框架与核心技术研发（开源 & 研究）：定义下一代\"\"Agent 操作系统\"\"的技术范式，研发运行时、工具沙箱、记忆与上下文、工作空间等核心模块；探索 ReAct 之外更优的推理方式（如 Loop + Verifier）与 Agent 评测体系，并建设有影响力的开源社区。\n2. 模型能力在 Agentic Pipeline 中放大：以 Harness 作为模型能力的放大器，在多轮对话、CoWork、工具/Skill 调用、规划与自我验证等场景中，充分释放并增强大模型的智能体生产力。\n3. 面向后训练的数据/环境供给与 Harness × Model 协同：构建合成数据、合成环境、Verifier、User Simulator 与评测环境，输入基础模型后训练，与模型团队协同完成 Harness × Model 的协同设计与持续迭代。\n4. 智能体数据技术与数据-模型协同开发：研发面向 LLM / VLM / 多模态 / 具身的一站式数据处理系统，攻克 Data-Model Co-development 中的数据挑战，构建丰富算子、分布式高性能与灵活嵌入能力。\n5. 智能体技术端到端落地：将智能体技术在垂域场景、云平台产品与重要业务中端到端落地，主导技术方案落地，通过开源影响力、调用量、AB 实验与用户反馈验证价值。\n\n职位要求\n1. 来自全球 Top 高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生。\n2. 深入掌握大语言模型、强化学习、智能体（Agent）与数据处理相关技术；在大模型智能体、Agent 推理与评测、合成数据/环境、或大规模数据处理等方向有深入研究。\n3. 在国际顶级会议/期刊（如 NeurIPS、ICML、ICLR、KDD、ACL、VLDB、SIGMOD 等）以一作身份发表过论文，或在开源社区、竞赛中展示出引领性的研究与工程成果。\n4. 良好的工程与实验思维：熟悉 PyTorch 等主流框架，具备大规模模型训练/数据处理工程经验，能高效实现定制化的训练与数据流程；重视代码质量与实验结果，追求\"不仅 work，而且高效优雅\"。\n5. 技术热情与好奇心：有志于将 AI 从实验室推向真实业务场景，构建\"可用、可扩展、可持续\"的智能体系统与数据基础设施，善于从复杂需求中提炼核心技术问题并设计创新方案。\n6. 善于跨团队协作与开源共建：能与模型、产品、基础研究及外部社区高效沟通，平衡技术理想与落地实现。\n\n在招业务\nToken Foundry\n近年来，以大模型为核心的生成式人工智能正从\"\"能对话、能生成\"\"迈向\"\"能自主完成任务\"\"。智能体（Agent）框架与数据技术，正成为放大模型能力、连接前沿研究与产业落地的关键基础设施。\n我们致力于打造下一代大模型智能体框架（Agent Harness）与配套的数据技术体系：一方面，把 LLM 当作\"\"CPU\"\"，构建可直接使用的\"\"Agent操作系统\"\"——涵盖运行时、工具沙箱、记忆与上下文、Agent 工作空间，并探索 Loop + Verifier 等新一代推理与评测范式；另一方面，研发面向基础模型的一站式数据处理系统，通过合成数据、合成环境、Verifier 与 User Simulator，成为模型能力迭代的重要推力。\n如果你对智能体系统、Agent 与模型协同进化、大规模数据处理与合成有浓厚兴趣，并渴望让自己的工作既影响开源开发者社区、又驱动真实业务与商业产品，欢迎加入我们，共同定义 Agent 时代的能力边界。\n1. Agent Harness 框架与核心技术研发（开源 & 研究）：定义下一代\"\"Agent 操作系统\"\"的技术范式，研发运行时、工具沙箱、记忆与上下文、工作空间等核心模块；探索 ReAct 之外更优的推理方式（如 Loop + Verifier）与 Agent 评测体系，并建设有影响力的开源社区。\n2. 模型能力在 Agentic Pipeline 中放大：以 Harness 作为模型能力的放大器，在多轮对话、CoWork、工具/Skill 调用、规划与自我验证等场景中，充分释放并增强大模型的智能体生产力。\n3. 面向后训练的数据/环境供给与 Harness × Model 协同：构建合成数据、合成环境、Verifier、User Simulator 与评测环境，输入基础模型后训练，与模型团队协同完成 Harness × Model 的协同设计与持续迭代。\n4. 智能体数据技术与数据-模型协同开发：研发面向 LLM / VLM / 多模态 / 具身的一站式数据处理系统，攻克 Data-Model Co-development 中的数据挑战，构建丰富算子、分布式高性能与灵活嵌入能力。\n5. 智能体技术端到端落地：将智能体技术在垂域场景、云平台产品与重要业务中端到端落地，主导技术方案落地，通过开源影响力、调用量、AB 实验与用户反馈验证价值。\n1. 来自全球 Top 高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生。\n2. 深入掌握大语言模型、强化学习、智能体（Agent）与数据处理相关技术；在大模型智能体、Agent 推理与评测、合成数据/环境、或大规模数据处理等方向有深入研究。\n3. 在国际顶级会议/期刊（如 NeurIPS、ICML、ICLR、KDD、ACL、VLDB、SIGMOD 等）以一作身份发表过论文，或在开源社区、竞赛中展示出引领性的研究与工程成果。\n4. 良好的工程与实验思维：熟悉 PyTorch 等主流框架，具备大规模模型训练/数据处理工程经验，能高效实现定制化的训练与数据流程；重视代码质量与实验结果，追求\"不仅 work，而且高效优雅\"。\n5. 技术热情与好奇心：有志于将 AI 从实验室推向真实业务场景，构建\"可用、可扩展、可持续\"的智能体系统与数据基础设施，善于从复杂需求中提炼核心技术问题并设计创新方案。\n6. 善于跨团队协作与开源共建：能与模型、产品、基础研究及外部社区高效沟通，平衡技术理想与落地实现。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T016"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}