主分类：大模型与生成式算法研发
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": "面向Auto Research的强化学习算法与数据合成体系研究-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里巴巴控股集团",
"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": "计算机科学、人工智能、信息科学、数学、统计学、自动化或相关STEM专业以及交叉学科背景（如计算生物学、计算神经科学、计算化学）的应届博士毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "作为 Auto Research RL 算法研究与数据合成方向的算法研究员，你将参与或负责以下工作：\n1.研究 Auto Research Agent 的核心训练方法，围绕理工类科研领域（如生物化学材料物理等）自动化科研智能体的自主决策、规划、工具调用、代码执行与实验验证能力，开展系统性算法研究；\n2.设计并构建 Agentic 数据合成体系，研究大规模 Agent 轨迹数据的高效生成、清洗、筛选、增强与配比策略，构建高质量后训练数据管线；\n3.探索稳定高效的 Agentic RL 训练方案，应用并改进 PPO、DPO、GRPO 等强化学习算法，优化长程任务中的奖励设计、训练稳定性、探索效率与泛化能力；\n4.提升模型在代码、真实科研流程、实验场景中的任务成功率，针对代码生成、实验执行、错误修复、结果分析、论文写作等任务，构建训练与评测闭环，持续提升模型鲁棒性；\n5.推动学术成果产出与开源建设，将研究成果整理为高水平论文，投稿至国际顶级会议；根据项目情况推动算法、数据或模型开源，提升团队技术影响力。",
"requirements_text": "1.计算机科学、人工智能、信息科学、数学、统计学、自动化或相关STEM专业以及交叉学科背景（如计算生物学、计算神经科学、计算化学）的应届博士毕业生，或即将获得博士学位的优秀候选人；\n2.在领域内高水平学术期刊会议上发表论文并经过同行评议；或研究内容形成专利成果；\n3.具备扎实的编程能力，熟练使用 Python，熟悉 PyTorch 或类似深度学习框架，能够独立完成算法实现、实验设计与结果分析；\n4.深入理解以下至少一个方向：大语言模型 / 多模态大模型、强化学习 / 强化学习后训练、Agent 系统 / 工具调用 / 自主决策、代码智能体 / 自动化科研 / 自动化推理等。熟悉主流强化学习或偏好优化算法，包括但不限于：PPO、DPO、GRPO等；如为自然科学专业，需具备扎实的编程基础，并对AI for Science有强烈兴趣和深入的见解；\n5.能够独立推进科研项目，具备较强的理论知识背景、问题定义能力、实验设计能力、论文阅读与复现能力，能够针对复杂问题提出创新性解决方案；\n6.具有强自驱力、学习能力、创新意识和沟通协作能力，能够适应快速变化的 AI 研究方向、适应跨学科合作的工作环境，并具备一定抗压能力。",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"强化学习",
"学习能力",
"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/199908320012?deptCodes="
}
]
},
"posting": {
"posting_id": "199908320012",
"post_date": "2026-08-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908320012?deptCodes="
},
"fulltext": "面向Auto Research的强化学习算法与数据合成体系研究-阿里星\n面向Auto Research的强化学习算法与数据合成体系研究-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\n\n职位描述\n作为 Auto Research RL 算法研究与数据合成方向的算法研究员，你将参与或负责以下工作：\n1.研究 Auto Research Agent 的核心训练方法，围绕理工类科研领域（如生物化学材料物理等）自动化科研智能体的自主决策、规划、工具调用、代码执行与实验验证能力，开展系统性算法研究；\n2.设计并构建 Agentic 数据合成体系，研究大规模 Agent 轨迹数据的高效生成、清洗、筛选、增强与配比策略，构建高质量后训练数据管线；\n3.探索稳定高效的 Agentic RL 训练方案，应用并改进 PPO、DPO、GRPO 等强化学习算法，优化长程任务中的奖励设计、训练稳定性、探索效率与泛化能力；\n4.提升模型在代码、真实科研流程、实验场景中的任务成功率，针对代码生成、实验执行、错误修复、结果分析、论文写作等任务，构建训练与评测闭环，持续提升模型鲁棒性；\n5.推动学术成果产出与开源建设，将研究成果整理为高水平论文，投稿至国际顶级会议；根据项目情况推动算法、数据或模型开源，提升团队技术影响力。\n\n职位要求\n1.计算机科学、人工智能、信息科学、数学、统计学、自动化或相关STEM专业以及交叉学科背景（如计算生物学、计算神经科学、计算化学）的应届博士毕业生，或即将获得博士学位的优秀候选人；\n2.在领域内高水平学术期刊会议上发表论文并经过同行评议；或研究内容形成专利成果；\n3.具备扎实的编程能力，熟练使用 Python，熟悉 PyTorch 或类似深度学习框架，能够独立完成算法实现、实验设计与结果分析；\n4.深入理解以下至少一个方向：大语言模型 / 多模态大模型、强化学习 / 强化学习后训练、Agent 系统 / 工具调用 / 自主决策、代码智能体 / 自动化科研 / 自动化推理等。熟悉主流强化学习或偏好优化算法，包括但不限于：PPO、DPO、GRPO等；如为自然科学专业，需具备扎实的编程基础，并对AI for Science有强烈兴趣和深入的见解；\n5.能够独立推进科研项目，具备较强的理论知识背景、问题定义能力、实验设计能力、论文阅读与复现能力，能够针对复杂问题提出创新性解决方案；\n6.具有强自驱力、学习能力、创新意识和沟通协作能力，能够适应快速变化的 AI 研究方向、适应跨学科合作的工作环境，并具备一定抗压能力。\n\n在招业务\n阿里巴巴控股集团\n作为 Auto Research RL 算法研究与数据合成方向的算法研究员，你将参与或负责以下工作：\n1.研究 Auto Research Agent 的核心训练方法，围绕理工类科研领域（如生物化学材料物理等）自动化科研智能体的自主决策、规划、工具调用、代码执行与实验验证能力，开展系统性算法研究；\n2.设计并构建 Agentic 数据合成体系，研究大规模 Agent 轨迹数据的高效生成、清洗、筛选、增强与配比策略，构建高质量后训练数据管线；\n3.探索稳定高效的 Agentic RL 训练方案，应用并改进 PPO、DPO、GRPO 等强化学习算法，优化长程任务中的奖励设计、训练稳定性、探索效率与泛化能力；\n4.提升模型在代码、真实科研流程、实验场景中的任务成功率，针对代码生成、实验执行、错误修复、结果分析、论文写作等任务，构建训练与评测闭环，持续提升模型鲁棒性；\n5.推动学术成果产出与开源建设，将研究成果整理为高水平论文，投稿至国际顶级会议；根据项目情况推动算法、数据或模型开源，提升团队技术影响力。\n1.计算机科学、人工智能、信息科学、数学、统计学、自动化或相关STEM专业以及交叉学科背景（如计算生物学、计算神经科学、计算化学）的应届博士毕业生，或即将获得博士学位的优秀候选人；\n2.在领域内高水平学术期刊会议上发表论文并经过同行评议；或研究内容形成专利成果；\n3.具备扎实的编程能力，熟练使用 Python，熟悉 PyTorch 或类似深度学习框架，能够独立完成算法实现、实验设计与结果分析；\n4.深入理解以下至少一个方向：大语言模型 / 多模态大模型、强化学习 / 强化学习后训练、Agent 系统 / 工具调用 / 自主决策、代码智能体 / 自动化科研 / 自动化推理等。熟悉主流强化学习或偏好优化算法，包括但不限于：PPO、DPO、GRPO等；如为自然科学专业，需具备扎实的编程基础，并对AI for Science有强烈兴趣和深入的见解；\n5.能够独立推进科研项目，具备较强的理论知识背景、问题定义能力、实验设计能力、论文阅读与复现能力，能够针对复杂问题提出创新性解决方案；\n6.具有强自驱力、学习能力、创新意识和沟通协作能力，能够适应快速变化的 AI 研究方向、适应跨学科合作的工作环境，并具备一定抗压能力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}