主分类：大模型与生成式算法研发
辅助：Agent系统开发（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": "研究型实习生-Agent模型后训练-Accio Work",
"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": "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": "深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：\n团队负责Accio Agentic模型整体后训练，核心关注coding和computer use能力，现有团队成员来自Top Tier大厂的基模团队，大多毕业于清华/上交等知名院校，有训练 T 级规模模型的经验，团队支持项目开源和顶会论文发表。\n职责描述：\n1. 核心模型演进： 深度参与大规模 Agentic LLM 的全链路研发，涵盖 Mid-train/CPT、SFT 及 RL 阶段，探索领域知识增强与多任务学习的前沿技术，表现突出者可在核心tech report中署名。\n2. 工程化与基准建设： 参与构建代码库级别的 Benchmark，优化模型在多语言、多框架环境下的跨模块调用与依赖分析性能。\n3. Black-box Agent RL & Online Learning\na. 策略建模与优化： 深入研究 Black-box Reward/Value Function 的建模，解决 Agent 在不可导环境反馈下的策略梯度估计问题。\nb. 持续探索架构： 设计并实现高性能的 Online RL 框架，支持 Agent 在真实操作系统与开发环境中进行大规模并发探索与在线策略迭代。\nc. 长程推理研究： 针对 Long-horizon RL 场景，攻克 Credit Assignment（信用分配）难题，提升 Agent 在多步推理（Multi-step Reasoning）下的决策稳定性。\n4. Computer-Use Agent 系统建设\na. 全链路数据 Scaling： 参与构建海量真实用户交互数据的自动化生产流水线，覆盖办公场景与自动化流程，实现数据的高效回流与训练闭环。\nb. 数字任务执行核： 开发基于 Bash、Skills、MCP（Model Context Protocol）的执行引擎，构建能够熟练使用各种 CLI 工具与数字插件的 Agent 核心模型。\nc. 多场景交互闭环： 探索 Agent 与真实操作系统、浏览器及专业开发环境的交互，在 Terminal、MLE-bench 等复杂基准测试中验证模型的端到端任务完成率。",
"requirements_text": "1. 深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位，业界AI/Agent团队的相关实习和工作经验；\n2. 有较好工程能力，有Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；\n3. 有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代；\n4. 加分项：在ICLR、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。",
"skills": [AI生成
"建模",
"大语言模型"
],
"preferred_qualifications": "2. 有较好工程能力，有Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；4. 加分项：在ICLR、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",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907720128?deptCodes="
}
]
},
"posting": {
"posting_id": "199907720128",
"post_date": "2026-07-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907720128?deptCodes="
},
"fulltext": "研究型实习生-Agent模型后训练-Accio Work\n研究型实习生-Agent模型后训练-Accio Work\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：北京 / 杭州\n\n职位描述\n团队介绍：\n团队负责Accio Agentic模型整体后训练，核心关注coding和computer use能力，现有团队成员来自Top Tier大厂的基模团队，大多毕业于清华/上交等知名院校，有训练 T 级规模模型的经验，团队支持项目开源和顶会论文发表。\n职责描述：\n1. 核心模型演进： 深度参与大规模 Agentic LLM 的全链路研发，涵盖 Mid-train/CPT、SFT 及 RL 阶段，探索领域知识增强与多任务学习的前沿技术，表现突出者可在核心tech report中署名。\n2. 工程化与基准建设： 参与构建代码库级别的 Benchmark，优化模型在多语言、多框架环境下的跨模块调用与依赖分析性能。\n3. Black-box Agent RL & Online Learning\na. 策略建模与优化： 深入研究 Black-box Reward/Value Function 的建模，解决 Agent 在不可导环境反馈下的策略梯度估计问题。\nb. 持续探索架构： 设计并实现高性能的 Online RL 框架，支持 Agent 在真实操作系统与开发环境中进行大规模并发探索与在线策略迭代。\nc. 长程推理研究： 针对 Long-horizon RL 场景，攻克 Credit Assignment（信用分配）难题，提升 Agent 在多步推理（Multi-step Reasoning）下的决策稳定性。\n4. Computer-Use Agent 系统建设\na. 全链路数据 Scaling： 参与构建海量真实用户交互数据的自动化生产流水线，覆盖办公场景与自动化流程，实现数据的高效回流与训练闭环。\nb. 数字任务执行核： 开发基于 Bash、Skills、MCP（Model Context Protocol）的执行引擎，构建能够熟练使用各种 CLI 工具与数字插件的 Agent 核心模型。\nc. 多场景交互闭环： 探索 Agent 与真实操作系统、浏览器及专业开发环境的交互，在 Terminal、MLE-bench 等复杂基准测试中验证模型的端到端任务完成率。\n\n职位要求\n1. 深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位，业界AI/Agent团队的相关实习和工作经验；\n2. 有较好工程能力，有Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；\n3. 有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代；\n4. 加分项：在ICLR、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。\n\n在招业务\n阿里国际数字商业集团\n团队介绍：\n团队负责Accio Agentic模型整体后训练，核心关注coding和computer use能力，现有团队成员来自Top Tier大厂的基模团队，大多毕业于清华/上交等知名院校，有训练 T 级规模模型的经验，团队支持项目开源和顶会论文发表。\n职责描述：\n1. 核心模型演进： 深度参与大规模 Agentic LLM 的全链路研发，涵盖 Mid-train/CPT、SFT 及 RL 阶段，探索领域知识增强与多任务学习的前沿技术，表现突出者可在核心tech report中署名。\n2. 工程化与基准建设： 参与构建代码库级别的 Benchmark，优化模型在多语言、多框架环境下的跨模块调用与依赖分析性能。\n3. Black-box Agent RL & Online Learning\na. 策略建模与优化： 深入研究 Black-box Reward/Value Function 的建模，解决 Agent 在不可导环境反馈下的策略梯度估计问题。\nb. 持续探索架构： 设计并实现高性能的 Online RL 框架，支持 Agent 在真实操作系统与开发环境中进行大规模并发探索与在线策略迭代。\nc. 长程推理研究： 针对 Long-horizon RL 场景，攻克 Credit Assignment（信用分配）难题，提升 Agent 在多步推理（Multi-step Reasoning）下的决策稳定性。\n4. Computer-Use Agent 系统建设\na. 全链路数据 Scaling： 参与构建海量真实用户交互数据的自动化生产流水线，覆盖办公场景与自动化流程，实现数据的高效回流与训练闭环。\nb. 数字任务执行核： 开发基于 Bash、Skills、MCP（Model Context Protocol）的执行引擎，构建能够熟练使用各种 CLI 工具与数字插件的 Agent 核心模型。\nc. 多场景交互闭环： 探索 Agent 与真实操作系统、浏览器及专业开发环境的交互，在 Terminal、MLE-bench 等复杂基准测试中验证模型的端到端任务完成率。\n1. 深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位，业界AI/Agent团队的相关实习和工作经验；\n2. 有较好工程能力，有Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；\n3. 有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代；\n4. 加分项：在ICLR、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。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}