{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "多模态Search Agent研究&应用-阿里星/C-Star",
        "job_level": "阿里巴巴2027届应届生",AI生成
        "work_category": "freshman",AI生成
        "department": "千问事业部",
        "location": "杭州",
        "work_mode": "",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里巴巴集团",
        "company_industry": "",
        "company_size": "",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "",
            "cycle": ""
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "多模态Search Agent研究&应用-阿里星/C-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\n你将深度参与到千问VQA Agent的优化&探索中，致力于攻克多模态Agentic Search后训练的核心深水区，探索下一代SearchAgent范式。具体工作包括不限于：\n1、Agentic RL优化探索：负责Agent轨迹的信用分配与训练策略优化；设计ORM与PRM协同的奖励体系，解决稀疏奖励、探索不足及Reward Hacking等核心问题。\n2、Rubric 奖励体系研究：探索Rubric的自动生成与规模化构造，基于对比偏好反推、递归迭代、实例级动态生成等算法，降低人工标注成本；并且设计多维标准下的显示/隐式加权策略，在资源开销、判别精度与泛化能力三者间探索最优权衡。\n3、RL 模型合版创新：探索强化学习阶段的多模型合版范式，覆盖模型合版、RM合版、Rubric融合、多专家合版（MOPD），支撑通用多领域能力的 Agent 快速迭代。\n4、前沿落地与学术输出：持续跟踪学界与业界多模态Agent最新进展，推动成果在实际业务场景落地，产出高水平论文，建立行业技术影响力。\n5、下一代学习范式探索：研究递归自我改进（RSI）范式，构建 Agent 自主迭代闭环，赋予Agent自主发现数据、生成规则并优化自身策略的闭环能力。\n\n职位要求\n1、计算机科学、人工智能、机器学习或相关领域的硕士或博士学位，在CVPR、ECCV、ICCV、NeurIPS、ICLR、ICML等顶级会议/期刊上发表论文者优先；\n2、在多模态、大模型、计算机视觉、强化学习、Agent等一个或多个领域有较深入的研究；\n3、 具有扎实优秀的算法基础，以及出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题；\n4.、拥有强烈的技术热情和好奇心，能够积极应对挑战&持续学习；\n5、在多模态大模型、Agentic RL方向主导过大影响力项目者优先。\n\n在招业务\n千问事业部",
        "requirements_text": "",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": []
    },
    "posting": {
        "posting_id": "199907720035",
        "post_date": "2026-10-27",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907720035?deptCodes="
    },
    "fulltext": "多模态Search Agent研究&应用-阿里星/C-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\n你将深度参与到千问VQA Agent的优化&探索中，致力于攻克多模态Agentic Search后训练的核心深水区，探索下一代SearchAgent范式。具体工作包括不限于：\n1、Agentic RL优化探索：负责Agent轨迹的信用分配与训练策略优化；设计ORM与PRM协同的奖励体系，解决稀疏奖励、探索不足及Reward Hacking等核心问题。\n2、Rubric 奖励体系研究：探索Rubric的自动生成与规模化构造，基于对比偏好反推、递归迭代、实例级动态生成等算法，降低人工标注成本；并且设计多维标准下的显示/隐式加权策略，在资源开销、判别精度与泛化能力三者间探索最优权衡。\n3、RL 模型合版创新：探索强化学习阶段的多模型合版范式，覆盖模型合版、RM合版、Rubric融合、多专家合版（MOPD），支撑通用多领域能力的 Agent 快速迭代。\n4、前沿落地与学术输出：持续跟踪学界与业界多模态Agent最新进展，推动成果在实际业务场景落地，产出高水平论文，建立行业技术影响力。\n5、下一代学习范式探索：研究递归自我改进（RSI）范式，构建 Agent 自主迭代闭环，赋予Agent自主发现数据、生成规则并优化自身策略的闭环能力。\n\n职位要求\n1、计算机科学、人工智能、机器学习或相关领域的硕士或博士学位，在CVPR、ECCV、ICCV、NeurIPS、ICLR、ICML等顶级会议/期刊上发表论文者优先；\n2、在多模态、大模型、计算机视觉、强化学习、Agent等一个或多个领域有较深入的研究；\n3、 具有扎实优秀的算法基础，以及出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题；\n4.、拥有强烈的技术热情和好奇心，能够积极应对挑战&持续学习；\n5、在多模态大模型、Agentic RL方向主导过大影响力项目者优先。\n\n在招业务\n千问事业部"
}