Agentic Post-training-阿里星/Bravo Star

我们是阿里巴巴国际数字商业集团-Alibaba.com-Accio算法团队，Alibaba.com是全球最大的跨境B2B数字化平台，我们在24年11月推出AI Native应用Accio，并在25年9月推出Accio Agent版本，上线以来至今，用户数和订阅量以每月翻倍的速度飞速增长。我们团队有丰富的算力资源、自由的研究氛围以及靠谱的商业落地场景，我们正在寻找能够赋予大模型""行动力""的算法工程师，我们不止于让模型做出完美的回答，更致力于让模型成为能够自主闭环、解决复杂商业任务的Agent。 负责 Agentic Model 的训练方法、能力提升与评测体系研究，探索大模型在自主决策、规划与工具调用等方面的强化路径，包括但不限于： 1、设计与优化 Agentic Model 的训练架构与方法； 2、构建与改进训练数据、策略与环境； 3、建立与完善 Agentic 能力评估体系； 4、与工程团队协作推动模型在系统中的集成与验证。 【任职要求】 1、具备大模型、RL 相关研究经验； 2、熟悉主流训练框架例如 VeRL 等； 3、编程能力扎实，熟练使用 Python、PyTorch； 4、具备良好的研究能力与工程实现能力。 加分项： 1、有Agent的研究经验，在顶会发表过相关论文； 2、参与过知名 Agentic post-training 项目。