算法研究员-Agentic RL

关于 Accio Accio 是阿里国际旗下的 AI Native 跨境贸易平台，致力于用 AI 重构全球 B2B 采购体验。我们拥有充足的计算资源（H100/B200 集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围。在这里，研究成果不仅会产出学术论文，还会直接作用于海量的真实B2B贸易场景。

关于本项目 真实的 B2B 交易场景天然是异步、长程的 —— 一次采购询盘从需求澄清到多供应商谈判再到最终比价，可能跨越数小时乃至数天，涉及多轮交互、并发协调和对比推荐等。当前主流 Agent 研究集中在同步、短程任务（单次对话内完成），本项目聚焦于为这类异步长程任务构建 Agent 核心能力，研究方向包括：长程任务分解与规划、过程监督与自主纠偏、主动式用户交互机制，以及支撑上述能力的 Agentic RL 训练方法。

你的职责

Agentic RL 研究与训练： 设计面向异步长程场景的 RL 方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL 等）进行大规模调优。

核心能力建设：研究长程任务分解、执行监控、自主纠偏、主动通知等 Agent 关键能力，推动成果在 Accio 业务场景落地。

评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有 benchmark 未充分涵盖的维度。

研究经历：具备大模型 post-training / 强化学习方向的研究经验，至少一篇顶会一作论文（NeurIPS / ICML / ICLR / ACL 等）。

系统理解：熟悉 Agent 系统设计，对 tool use、multi-step reasoning、skills 等能力有深入理解。

工程能力：熟练使用 Python / PyTorch，熟悉主流 RL 训练框架（VeRL 等）及 Agent 开发框架。

加分项：有长程规划、异步任务调度、multi-agent 系统方向的研究发表；参与过知名 Agentic RL 项目；具备跨境电商或 B2B 贸易场景经验。