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": "Agentic训练与强化学习算法研究-阿里星/Bravo Star",
"job_level": "校招",AI生成
"work_category": "全职",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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.研发下一代 Agentic System：通过多步规划（Planning）、反思（Reflection）与工具调用（Tool-Use）能力，为全球商家构建自动化\"数字员工\"，实现复杂任务闭环（如自动化选品、智能营销策划），端到端交付高价值业务结果，定义 AI 原生的 B2B 贸易新范式；\n2.面向阿里国际站海量异构 API 生态，构建基于强化学习的训练决策迭代技术：设计并实现复杂任务流下的环境模拟器（Environment Design）与多维度奖励函数（Reward Shaping），通过 RL 训练提升模型在动态、高并发 API 环境下的编排、纠错与执行能力。",
"requirements_text": "1.系统掌握强化学习理论，熟悉 PPO / DPO / RLHF 等主流算法的原理与工程实践；\n2.具备大模型 Agent、Tool-Use、Planning / Reflection 等方向的研究或落地经验；\n3.有环境模拟器（Environment Design）或奖励函数（Reward Shaping）设计经验者优先。",
"skills": [AI生成
"强化学习",
"大语言模型"
],
"preferred_qualifications": "3.有环境模拟器（Environment Design）或奖励函数（Reward Shaping）设计经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908400004?deptCodes="
}
]
},
"posting": {
"posting_id": "199908400004",
"post_date": "2026-08-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908400004?deptCodes="
},
"fulltext": "Agentic训练与强化学习算法研究-阿里星/Bravo Star\nAgentic训练与强化学习算法研究-阿里星/Bravo 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：杭州\n\n职位描述\n1.研发下一代 Agentic System：通过多步规划（Planning）、反思（Reflection）与工具调用（Tool-Use）能力，为全球商家构建自动化\"数字员工\"，实现复杂任务闭环（如自动化选品、智能营销策划），端到端交付高价值业务结果，定义 AI 原生的 B2B 贸易新范式；\n2.面向阿里国际站海量异构 API 生态，构建基于强化学习的训练决策迭代技术：设计并实现复杂任务流下的环境模拟器（Environment Design）与多维度奖励函数（Reward Shaping），通过 RL 训练提升模型在动态、高并发 API 环境下的编排、纠错与执行能力。\n\n职位要求\n1.系统掌握强化学习理论，熟悉 PPO / DPO / RLHF 等主流算法的原理与工程实践；\n2.具备大模型 Agent、Tool-Use、Planning / Reflection 等方向的研究或落地经验；\n3.有环境模拟器（Environment Design）或奖励函数（Reward Shaping）设计经验者优先。\n\n在招业务\n阿里国际数字商业集团\n1.研发下一代 Agentic System：通过多步规划（Planning）、反思（Reflection）与工具调用（Tool-Use）能力，为全球商家构建自动化\"数字员工\"，实现复杂任务闭环（如自动化选品、智能营销策划），端到端交付高价值业务结果，定义 AI 原生的 B2B 贸易新范式；\n2.面向阿里国际站海量异构 API 生态，构建基于强化学习的训练决策迭代技术：设计并实现复杂任务流下的环境模拟器（Environment Design）与多维度奖励函数（Reward Shaping），通过 RL 训练提升模型在动态、高并发 API 环境下的编排、纠错与执行能力。\n1.系统掌握强化学习理论，熟悉 PPO / DPO / RLHF 等主流算法的原理与工程实践；\n2.具备大模型 Agent、Tool-Use、Planning / Reflection 等方向的研究或落地经验；\n3.有环境模拟器（Environment Design）或奖励函数（Reward Shaping）设计经验者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}