Agentic RL for Long-horizon task-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。 负责面向异步长程任务的主动式Agent研究，重点探索Agent在长时间跨度、多步骤复杂任务中的自主规划、主动推进与自适应纠偏能力。研究方向涵盖长程任务分解与动态重规划、主动式交互机制设计、跨session状态管理，以及支撑上述能力的Agentic Model post-training方法，并推动研究成果在Accio实际业务场景中落地。 1、研究异步长程任务场景下Agent的核心能力建设，包括任务分解与规划、执行监控与自主纠偏、主动通知与用户交互策略等； 2、设计面向长程Agentic能力的post-training方案，探索适配异步任务特性的数据构造、奖励建模与训练方法； 3、构建长程异步任务的评测体系与仿真环境，弥补现有benchmark在任务时间跨度、多轮交互、并发协调等维度的空白。 【任职要求】 1、具备大模型post-training、强化学习相关研究经验； 2、熟悉Agent系统设计，对function calling、tool use、multi-step reasoning等能力有深入理解； 3、熟悉主流训练框架（如VeRL等）及Agent开发框架； 4、编程能力扎实，熟练使用Python、PyTorch。 加分项： 1、有长程规划、异步任务调度、multi-agent系统等方向的研究经验，在顶会发表过相关论文； 2、参与过知名Agentic post-training 项目； 3、具备跨境电商、B2B贸易等业务场景的理解或实践经验。