阿里巴巴
校招Agentic Post-Training and Self-Evolution-阿里星/Bravo Star
杭州 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1. 深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位，业界AI/Agent团队的相关实习和工作经验；
- 2. 有大规模数据合成、Coding/Search Agent训练、大规模RL训练、商业场景Agent架构和环境构建项目经验者优先；
- 3. 有较好工程能力，熟悉Verl/Slime/RL2等模型训练infra并有训练经验者优先；
- 4. 有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代；
- 5. 加分项：在ICLR、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。
岗位描述
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，你将参与从大规模数据合成到复杂强化学习环境搭建的全链路研发。
- 1. 构建Agent专用合成数据管线：设计并实现自动化的合成数据方案，重点生产高质量的思维链、工具调用和自我修正轨迹；
- 2. Agent交互环境搭建：构建高性能、可扩展的Agent框架和运行环境（如代码执行器、浏览器模拟器、数据库交互等），为模型提供实时反馈的环境；
- 3. Agentic RL：应用并改进RL算法，提升模型在长程任务（Long-horizon tasks）中的成功率和鲁棒性；
- 4. 评估体系建设：开发超越传统基准测试的动态评估方案，针对规划能力、工具选择准确率、幻觉控制及错误恢复能力建立量化指标。
- 1. 深厚的技术背景：计算机、信息科学、数学或相关专业硕士/博士学位，业界AI/Agent团队的相关实习和工作经验；
- 2. 有大规模数据合成、Coding/Search Agent训练、大规模RL训练、商业场景Agent架构和环境构建项目经验者优先；
- 3. 有较好工程能力，熟悉Verl/Slime/RL2等模型训练infra并有训练经验者优先；
- 4. 有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代；
- 5. 加分项：在ICLR、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。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。