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": "Agentic Coding自进化技术研究-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "Token Foundry",
"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": "计算机科学、人工智能、数学或相关领域的博士学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、定义后训练技术体系：主导 Agentic Coding 后训练整体技术路线规划，定义 mid-training/SFT/RL/蒸馏 的最优组合与边界条件，给出能力跃迁的关键路径与里程碑；\n2、主导核心算法原创突破，包括但不限于：长程轨迹下的 credit assignment、process reward 与 outcome reward 的融合机制、工具调用与环境交互的鲁棒性优化、on-policy distillation for agentic coding等技术探索；\n3、构建自进化的数据飞轮：负责高质量 Agentic 轨迹的自主构造与组织、难度自适应的 学习调度、失败案例驱动的反思与重训、真实仓库与合成任务的混合策略，为后训练提供可持续供给；\n4、Recursive Self-Improvement：构建模型、Training Harness、Inference Harness 三位一体的协同进化闭环，让算法、数据与系统在同一闭环内自迭代提升；\n跟踪前沿并定义前沿：主导原创性算法与系统创新，在 NeurIPS / ICML / ICLR / ACL 等顶会发表高影响力工作，并推动成果在阿里大模型与核心业务中的规模化落地。",
"requirements_text": "1.计算机科学、人工智能、数学或相关领域的博士学历，研究方向涵盖大模型、强化学习、软件工程、Agentic Coding等。\n2.在大模型 Post-Training（SFT/ RLHF / RLVR / 蒸馏）、Agent / Tool Use、Agentic Coding、Recursive Self-improvement等方向至少一项有研究深度或有一线沉淀的成果，有实际大模型训练经验者优先。\n3.具备扎实的编程与工程能力，熟悉大规模分布式训练框架（PyTorch / Megatron / veRL / ROLL等）与高性能推理引擎（vLLM / SGLang等），能够把好的idea快速转化为实验结果。\n4.在 NeurIPS/ICML/ICLR/等顶会发表过 LLM / RL / Agent / SWE 方向高质量论文，或在 SWE-Bench、Terminal-Bench、Frontier SWE等相关权威 benchmark 上取得有竞争力成绩，或有 Agentic Coding 相关开源高影响力项目经验者优先；具备独立定义问题、突破范式的科研品味。",
"skills": [AI生成
"PyTorch",
"强化学习",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "2.在大模型 Post-Training（SFT/ RLHF / RLVR / 蒸馏）、Agent / Tool Use、Agentic Coding、Recursive Self-improvement等方向至少一项有研究深度或有一线沉淀的成果，有实际大模型训练经验者优先；4.在 NeurIPS/ICML/ICLR/等顶会发表过 LLM / RL / Agent / SWE 方向高质量论文，或在 SWE-Bench、Terminal-Bench、Frontier SWE等相关权威 benchmark 上取得有竞争力成绩，或有 Agentic Coding 相关开源高影响力项目经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908540001?deptCodes="
}
]
},
"posting": {
"posting_id": "199908540001",
"post_date": "2026-08-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908540001?deptCodes="
},
"fulltext": "Agentic Coding自进化技术研究-阿里星\nAgentic Coding自进化技术研究-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\n1、定义后训练技术体系：主导 Agentic Coding 后训练整体技术路线规划，定义 mid-training/SFT/RL/蒸馏 的最优组合与边界条件，给出能力跃迁的关键路径与里程碑；\n2、主导核心算法原创突破，包括但不限于：长程轨迹下的 credit assignment、process reward 与 outcome reward 的融合机制、工具调用与环境交互的鲁棒性优化、on-policy distillation for agentic coding等技术探索；\n3、构建自进化的数据飞轮：负责高质量 Agentic 轨迹的自主构造与组织、难度自适应的 学习调度、失败案例驱动的反思与重训、真实仓库与合成任务的混合策略，为后训练提供可持续供给；\n4、Recursive Self-Improvement：构建模型、Training Harness、Inference Harness 三位一体的协同进化闭环，让算法、数据与系统在同一闭环内自迭代提升；\n跟踪前沿并定义前沿：主导原创性算法与系统创新，在 NeurIPS / ICML / ICLR / ACL 等顶会发表高影响力工作，并推动成果在阿里大模型与核心业务中的规模化落地。\n\n职位要求\n1.计算机科学、人工智能、数学或相关领域的博士学历，研究方向涵盖大模型、强化学习、软件工程、Agentic Coding等。\n2.在大模型 Post-Training（SFT/ RLHF / RLVR / 蒸馏）、Agent / Tool Use、Agentic Coding、Recursive Self-improvement等方向至少一项有研究深度或有一线沉淀的成果，有实际大模型训练经验者优先。\n3.具备扎实的编程与工程能力，熟悉大规模分布式训练框架（PyTorch / Megatron / veRL / ROLL等）与高性能推理引擎（vLLM / SGLang等），能够把好的idea快速转化为实验结果。\n4.在 NeurIPS/ICML/ICLR/等顶会发表过 LLM / RL / Agent / SWE 方向高质量论文，或在 SWE-Bench、Terminal-Bench、Frontier SWE等相关权威 benchmark 上取得有竞争力成绩，或有 Agentic Coding 相关开源高影响力项目经验者优先；具备独立定义问题、突破范式的科研品味。\n\n在招业务\nToken Foundry\n1、定义后训练技术体系：主导 Agentic Coding 后训练整体技术路线规划，定义 mid-training/SFT/RL/蒸馏 的最优组合与边界条件，给出能力跃迁的关键路径与里程碑；\n2、主导核心算法原创突破，包括但不限于：长程轨迹下的 credit assignment、process reward 与 outcome reward 的融合机制、工具调用与环境交互的鲁棒性优化、on-policy distillation for agentic coding等技术探索；\n3、构建自进化的数据飞轮：负责高质量 Agentic 轨迹的自主构造与组织、难度自适应的 学习调度、失败案例驱动的反思与重训、真实仓库与合成任务的混合策略，为后训练提供可持续供给；\n4、Recursive Self-Improvement：构建模型、Training Harness、Inference Harness 三位一体的协同进化闭环，让算法、数据与系统在同一闭环内自迭代提升；\n跟踪前沿并定义前沿：主导原创性算法与系统创新，在 NeurIPS / ICML / ICLR / ACL 等顶会发表高影响力工作，并推动成果在阿里大模型与核心业务中的规模化落地。\n1.计算机科学、人工智能、数学或相关领域的博士学历，研究方向涵盖大模型、强化学习、软件工程、Agentic Coding等。\n2.在大模型 Post-Training（SFT/ RLHF / RLVR / 蒸馏）、Agent / Tool Use、Agentic Coding、Recursive Self-improvement等方向至少一项有研究深度或有一线沉淀的成果，有实际大模型训练经验者优先。\n3.具备扎实的编程与工程能力，熟悉大规模分布式训练框架（PyTorch / Megatron / veRL / ROLL等）与高性能推理引擎（vLLM / SGLang等），能够把好的idea快速转化为实验结果。\n4.在 NeurIPS/ICML/ICLR/等顶会发表过 LLM / RL / Agent / SWE 方向高质量论文，或在 SWE-Bench、Terminal-Bench、Frontier SWE等相关权威 benchmark 上取得有竞争力成绩，或有 Agentic Coding 相关开源高影响力项目经验者优先；具备独立定义问题、突破范式的科研品味。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}