阿里国际站-Agentic RL环境与模型训练工程师-杭州/北京

我们正在围绕 阿里巴巴国际站 + Accio Work 打造真实全球贸易场景的 AI Agent，覆盖买家采购、商家经营、Research、商品发布、跨平台运营、物流跟踪等复杂任务。 这个岗位聚焦 Agent rollout 环境搭建 + agentic model 训练，不是传统训练岗，也不是普通应用岗，而是把真实业务流程变成模型可交互、可学习、可优化的 environment，训练一个真正“会做事”的 Agent。 你会做什么： 1. 搭建国际站场景下的 Agent rollout / environment，支持多步任务、工具调用、Browser/API 操作 2. 构建 trajectory 采样、reward 计算、样本回流、任务重放等训练链路 3. 参与 SFT / Preference / RLHF / RLAIF 等 agentic post-training 工作 4. 研究 tool use、browser use、computer use、错误恢复、多步规划等问题 5. 联动评测/数据/产品，形成“环境-训练-评测-回流”闭环 为什么值得来： 1. 做真实业务里的 Agent 训练，而不是 benchmark 实验 2. 场景复杂且稀缺：多语言 + 多工具 + 长链路任务 3. 同时覆盖 environment、rollout、reward、training，全链路空间大 4. 有机会定义真实商业世界中 Agent 如何被训练出来 【任职要求】 我们希望你具备： 1. 3年以上机器学习 / 强化学习 / 大模型训练 / 算法工程经验 2. 熟练 Python，有训练 pipeline 或大规模系统经验 3. 了解 RL、trajectory、reward、policy optimization、post-training 等基本方法 4. 对 Agent、Tool Use、Browser/Computer Use、多步任务有兴趣或经验 5. 有 rollout system / simulator / RLHF / agent training 经验优先