阿里国际站/Alibaba.com-Agent后训练算法工程师/专家-Accio

Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级原生AI Agent，通过持续探索Agent、Agent Harness、RL、Memory、Reasoning等前沿技术，自研垂域模型、Agent模型、Agent系统，推动全球B2B跨境贸易实现跨越式发展。 负责大模型及长程 Agent 的后训练算法研究与落地，通过高质量数据、SFT、强化学习和蒸馏等方法，持续提升模型的推理、工具使用和复杂任务解决能力。

• 探索并落地 SFT、RL、On-Policy Distillation、MOPD 等后训练算法。

• 设计长程 Agent 数据构造流程，包括任务生成、环境搭建、工具交互、轨迹采集、清洗过滤、难度分层和数据配比。

• 研究多轮、长轨迹及稀疏奖励场景下的 Credit Assignment、Reward Design 和训练稳定性。

• 建设 Coding、Work、Research 等 Agent 场景的 Reward、Verifier 与自动化评测体系。

• 开展基座模型能力增强与多能力融合，降低后训练过程中的能力遗忘、Reward Hacking 和模式坍缩。

• 通过系统化实验分析数据、算法、模型和训练配置对最终效果的影响，并推动算法在大规模训练中落地。

• 熟练掌握 Python、PyTorch，深入理解 Transformer、语言模型训练目标及大模型后训练流程。

• 具备 SFT、RL 或模型蒸馏的实践经验，能够独立完成算法实现、训练实验和效果分析。

• 熟悉 PPO、GRPO、GSPO 等强化学习算法中的一种或多种，理解 Policy、Reward、Advantage、KL 和 On-policy 等核心概念。

• 理解 On-Policy Distillation、多教师蒸馏及能力融合的基本方法。

• 具备较强的数据能力，能够设计数据构造、质量过滤、难度分层、数据配比和 Curriculum Learning 方案。

• 理解 Agent 多轮交互、工具调用、长程任务和环境反馈，能够将完整 Agent 轨迹转化为有效训练信号。

• 具备良好的实验设计与问题分析能力，能够定位数据、算法或训练配置导致的效果问题。

• 关注大模型与 Agent 前沿研究，具备快速复现并验证新方法的能力。 加分项 ● 强基模经验 ● 知名research工作或开源工作核心贡献者