主分类：搜索推荐与业务决策算法研发
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": "研究型实习生-Agentic Search-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：\nB2B 采购决策涉及多维度信息的获取与综合判断，信息高度分散且异构。现有搜索系统依赖平台内数据匹配，无法支撑买家对全网开放信息的深度检索与复杂推理需求。本项目的目标是构建一个融合全网信息检索、多源整合与多步推理的 AI 搜索系统，核心研究问题包括：复杂采购意图的理解与分解、异构多源信息的可靠检索与整合策略、面向贸易决策的可信度保障机制。\n岗位职责：\n1、复杂推理能力研究： 研究 B2B 场景下复杂 query 的多步意图分解、动态检索策略规划、多源信息聚合与冲突消解等核心问题；\n2、Post-training 方案设计： 探索检索-推理联合优化的数据构造、奖励建模与训练方法，提升模型在全网搜索场景下的推理深度与准确性；\n3、评测体系构建： 构建面向 B2B 搜索场景的 Agentic 评测框架，覆盖信息准确性、推理深度、多源整合质量等维度；\n4、前沿追踪与复现： Follow 最新学术工作，复现 SOTA 方案，持续推动技术迭代和业务落地。",
"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、技术栈：对 post-training / RL 有实际研究经验，熟悉主流训练框架；\n4、能力：良好的论文阅读与工程实现能力，能快速跟踪前沿并独立推进研究。\n加分项：有复杂推理、AI搜索、RAG 等方向的研究经验或顶会论文；具备跨境电商或 B2B 贸易场景经验。",
"skills": [AI生成
"强化学习",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项：有复杂推理、AI搜索、RAG 等方向的研究经验或顶会论文",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907840003?deptCodes="
}
]
},
"posting": {
"posting_id": "199907840003",
"post_date": "2026-08-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907840003?deptCodes="
},
"fulltext": "研究型实习生-Agentic Search-Accio\n研究型实习生-Agentic Search-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：\nB2B 采购决策涉及多维度信息的获取与综合判断，信息高度分散且异构。现有搜索系统依赖平台内数据匹配，无法支撑买家对全网开放信息的深度检索与复杂推理需求。本项目的目标是构建一个融合全网信息检索、多源整合与多步推理的 AI 搜索系统，核心研究问题包括：复杂采购意图的理解与分解、异构多源信息的可靠检索与整合策略、面向贸易决策的可信度保障机制。\n岗位职责：\n1、复杂推理能力研究： 研究 B2B 场景下复杂 query 的多步意图分解、动态检索策略规划、多源信息聚合与冲突消解等核心问题；\n2、Post-training 方案设计： 探索检索-推理联合优化的数据构造、奖励建模与训练方法，提升模型在全网搜索场景下的推理深度与准确性；\n3、评测体系构建： 构建面向 B2B 搜索场景的 Agentic 评测框架，覆盖信息准确性、推理深度、多源整合质量等维度；\n4、前沿追踪与复现： Follow 最新学术工作，复现 SOTA 方案，持续推动技术迭代和业务落地。\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、技术栈：对 post-training / RL 有实际研究经验，熟悉主流训练框架；\n4、能力：良好的论文阅读与工程实现能力，能快速跟踪前沿并独立推进研究。\n加分项：有复杂推理、AI搜索、RAG 等方向的研究经验或顶会论文；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：\nB2B 采购决策涉及多维度信息的获取与综合判断，信息高度分散且异构。现有搜索系统依赖平台内数据匹配，无法支撑买家对全网开放信息的深度检索与复杂推理需求。本项目的目标是构建一个融合全网信息检索、多源整合与多步推理的 AI 搜索系统，核心研究问题包括：复杂采购意图的理解与分解、异构多源信息的可靠检索与整合策略、面向贸易决策的可信度保障机制。\n岗位职责：\n1、复杂推理能力研究： 研究 B2B 场景下复杂 query 的多步意图分解、动态检索策略规划、多源信息聚合与冲突消解等核心问题；\n2、Post-training 方案设计： 探索检索-推理联合优化的数据构造、奖励建模与训练方法，提升模型在全网搜索场景下的推理深度与准确性；\n3、评测体系构建： 构建面向 B2B 搜索场景的 Agentic 评测框架，覆盖信息准确性、推理深度、多源整合质量等维度；\n4、前沿追踪与复现： Follow 最新学术工作，复现 SOTA 方案，持续推动技术迭代和业务落地。\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、技术栈：对 post-training / RL 有实际研究经验，熟悉主流训练框架；\n4、能力：良好的论文阅读与工程实现能力，能快速跟踪前沿并独立推进研究。\n加分项：有复杂推理、AI搜索、RAG 等方向的研究经验或顶会论文；具备跨境电商或 B2B 贸易场景经验。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}