代码场景的Agentic RL与数据合成-阿里星

负责 Agentic Model 的训练方法、能力提升与数据合成体系研究，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. 01

   针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，持续迭代模型在Agent场景的应用性能；

2. 02

   应用并改进Agentic RL算法，提升模型在代码场景中的成功率和鲁棒性；

3. 03

   将业务突破转化为学术成果，支持在 NeurIPS、ICLR、ICML 等顶会发表高质量论文，或推动相关算法在社区的开源，建立行业影响力。

1. 01

   计算机、信息科学、数学或相关专业博士学历，深入理解LLM/MLLM/RL/Agent领域，熟悉DPO/PPO/GRPO等RL前沿算法；

2. 02

   有大规模数据合成、Coding Agent训练、大规模RL训练等项目经验者优先；

3. 03

   有较强的自驱力、学习力、创新力、沟通能力和抗压能力，能够跟上正在快速变化的AI时代；

4. 04

   加分项：在ICLR、ICML、CVPR、ICCV、ACL、NeurIPS等顶会上发表过高质量论文，有高质量github开源项目者优先；

5. 05

   加分项：具有业界AI/Agent团队的相关实习和工作经验。