Agentic Model Post-training 与真实环境学习-阿里星/Bravo Star

岗位职责：

• 1.研究并开发面向 Agent 能力的大模型后训练方法，包括 Agentic SFT、Preference Learning、Reasoning RL、Agentic RL 等；
• 2.构建和优化面向多步任务、工具调用、环境交互的训练数据与任务轨迹；
• 3.参与 Browser / Tool Use / Sandbox 等环境下的 rollout 训练闭环建设；
• 4.设计并实现 Agent 能力评测体系，评估模型在规划、执行、工具调用与任务完成上的效果；
• 5.与模型、数据、评测、Infra 和业务团队协作，将研究成果应用于国际站 / Accio 的真实业务场景；
• 6.推动技术成果在论文、开源项目或行业技术影响力上的沉淀与输出。"
• 1.计算机科学、人工智能、机器学习、数据科学或相关领域硕士或博士在读 / 应届毕业生；
• 2.对大模型、Agent、强化学习、后训练（Post-training）等方向有浓厚兴趣；
• 3.熟练掌握 Python、PyTorch，具备良好的算法实现与工程能力；
• 4.具备较强的问题分析、论文阅读和研究探索能力；
• 5.具备良好的沟通协作能力，能够与研究、工程和业务团队共同推进项目落地。

• 1.在大模型训练、强化学习、Agent、Reasoning、Tool Use、Multimodal 等方向有研究或项目经验；
• 2.在 NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ECCV 等顶级会议发表论文，或参与过有影响力的开源项目；
• 3.有 LLM 后训练、RLHF / RLAIF / PPO / DPO / GRPO、Agent benchmark、Tool Use / Browser Use 等相关经验；
• 4.对跨境贸易、电商、搜索、商家经营等真实业务场景感兴趣者优先。 "