主分类：Agent系统开发
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": "Agent自我学习进化与多Agent群体智能研究-阿里星/C-Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "千问事业部",
"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": "计算机、人工智能、数学等相关专业硕士及以上学历（博士优先）",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "你将深度参与到千问核心Agent能力的技术探索和业务落地实践，围绕Agent能力的建设上探索面向未来的空间：\n1、前沿算法研究： 持续对多智能体协同场景的前沿技术进行探索，设计并实现高效的 Agent 通信、规划、路由和强化学习训练算法；\n2、系统架构设计： 探索支持异构 Agent 协作的底层框架，解决复杂任务场景下的任务拆解、角色自适应演进及群体记忆管理等核心问题；\n3、模型进化探索： 研究基于群体协作反馈的自我进化机制，探索从单体智能向群体智能涌现的技术路径；\n4、落地与复现： 持续跟踪学界/业界Agent方向最新进展，推动最新成果在实际业务场景中的落地；\n5、学术和行业影响力打造，输出专利和论文，树立行业技术标杆，引领Agent方向技术潮流。",
"requirements_text": "1、计算机、人工智能、数学等相关专业硕士及以上学历（博士优先）；\n2、具有扎实的 NLP、强化学习（RL）、LLM和Agent背景基础；\n3、精通大模型原理与应用（如Transformer架构、预训练与微调技术）；\n4、熟练掌握Python及TensorFlow/PyTorch等深度学习框架；\n5、熟悉主流 Agent 框架（如 LangChain, AutoGen, MetaGPT, OpenClaw 等），有底层源码修改或二次开发经验者优先；\n6、在AI顶会（如ACL, ICLR, NeurIPS, ICML等）发表过 Agent 或 LLM 相关论文者优先；\n7、参与过开源大模型或通用Agent相关项目，有开源社区贡献者优先；\n8、对 AGI 充满热情，具备极强的探索欲和解决不确定性问题的能力；\n9、良好的逻辑思维能力和团队协作精神，能够快速理解并拆解复杂的业务需求。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"深度学习",
"强化学习",
"自然语言处理",
"团队协作",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "1、计算机、人工智能、数学等相关专业硕士及以上学历（博士优先）；5、熟悉主流 Agent 框架（如 LangChain, AutoGen, MetaGPT, OpenClaw 等），有底层源码修改或二次开发经验者优先；6、在AI顶会（如ACL, ICLR, NeurIPS, ICML等）发表过 Agent 或 LLM 相关论文者优先；7、参与过开源大模型或通用Agent相关项目，有开源社区贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907720036?deptCodes="
}
]
},
"posting": {
"posting_id": "199907720036",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907720036?deptCodes="
},
"fulltext": "Agent自我学习进化与多Agent群体智能研究-阿里星/C-Star\nAgent自我学习进化与多Agent群体智能研究-阿里星/C-Star\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你将深度参与到千问核心Agent能力的技术探索和业务落地实践，围绕Agent能力的建设上探索面向未来的空间：\n1、前沿算法研究： 持续对多智能体协同场景的前沿技术进行探索，设计并实现高效的 Agent 通信、规划、路由和强化学习训练算法；\n2、系统架构设计： 探索支持异构 Agent 协作的底层框架，解决复杂任务场景下的任务拆解、角色自适应演进及群体记忆管理等核心问题；\n3、模型进化探索： 研究基于群体协作反馈的自我进化机制，探索从单体智能向群体智能涌现的技术路径；\n4、落地与复现： 持续跟踪学界/业界Agent方向最新进展，推动最新成果在实际业务场景中的落地；\n5、学术和行业影响力打造，输出专利和论文，树立行业技术标杆，引领Agent方向技术潮流。\n\n职位要求\n1、计算机、人工智能、数学等相关专业硕士及以上学历（博士优先）；\n2、具有扎实的 NLP、强化学习（RL）、LLM和Agent背景基础；\n3、精通大模型原理与应用（如Transformer架构、预训练与微调技术）；\n4、熟练掌握Python及TensorFlow/PyTorch等深度学习框架；\n5、熟悉主流 Agent 框架（如 LangChain, AutoGen, MetaGPT, OpenClaw 等），有底层源码修改或二次开发经验者优先；\n6、在AI顶会（如ACL, ICLR, NeurIPS, ICML等）发表过 Agent 或 LLM 相关论文者优先；\n7、参与过开源大模型或通用Agent相关项目，有开源社区贡献者优先；\n8、对 AGI 充满热情，具备极强的探索欲和解决不确定性问题的能力；\n9、良好的逻辑思维能力和团队协作精神，能够快速理解并拆解复杂的业务需求。\n\n在招业务\n千问事业部\n你将深度参与到千问核心Agent能力的技术探索和业务落地实践，围绕Agent能力的建设上探索面向未来的空间：\n1、前沿算法研究： 持续对多智能体协同场景的前沿技术进行探索，设计并实现高效的 Agent 通信、规划、路由和强化学习训练算法；\n2、系统架构设计： 探索支持异构 Agent 协作的底层框架，解决复杂任务场景下的任务拆解、角色自适应演进及群体记忆管理等核心问题；\n3、模型进化探索： 研究基于群体协作反馈的自我进化机制，探索从单体智能向群体智能涌现的技术路径；\n4、落地与复现： 持续跟踪学界/业界Agent方向最新进展，推动最新成果在实际业务场景中的落地；\n5、学术和行业影响力打造，输出专利和论文，树立行业技术标杆，引领Agent方向技术潮流。\n1、计算机、人工智能、数学等相关专业硕士及以上学历（博士优先）；\n2、具有扎实的 NLP、强化学习（RL）、LLM和Agent背景基础；\n3、精通大模型原理与应用（如Transformer架构、预训练与微调技术）；\n4、熟练掌握Python及TensorFlow/PyTorch等深度学习框架；\n5、熟悉主流 Agent 框架（如 LangChain, AutoGen, MetaGPT, OpenClaw 等），有底层源码修改或二次开发经验者优先；\n6、在AI顶会（如ACL, ICLR, NeurIPS, ICML等）发表过 Agent 或 LLM 相关论文者优先；\n7、参与过开源大模型或通用Agent相关项目，有开源社区贡献者优先；\n8、对 AGI 充满热情，具备极强的探索欲和解决不确定性问题的能力；\n9、良好的逻辑思维能力和团队协作精神，能够快速理解并拆解复杂的业务需求。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}