Agentic RL for Long-horizon task-阿里星/Bravo Star

杭州 · 校招 · 2027 届 · 本科

长期有效

前往官方投递页 →

任职要求

1、具备大模型post-training、强化学习相关研究经验；
2、熟悉Agent系统设计，对function calling、tool use、multi-step reasoning等能力有深入理解；
3、熟悉主流训练框架（如VeRL等）及Agent开发框架；
4、编程能力扎实，熟练使用Python、PyTorch。
加分项：
1、有长程规划、异步任务调度、multi-agent系统等方向的研究经验，在顶会发表过相关论文；
2、参与过知名Agentic post-training 项目；
3、具备跨境电商、B2B贸易等业务场景的理解或实践经验。

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。

负责面向异步长程任务的主动式Agent研究，重点探索Agent在长时间跨度、多步骤复杂任务中的自主规划、主动推进与自适应纠偏能力。研究方向涵盖长程任务分解与动态重规划、主动式交互机制设计、跨session状态管理，以及支撑上述能力的Agentic Model post-training方法，并推动研究成果在Accio实际业务场景中落地。

1、研究异步长程任务场景下Agent的核心能力建设，包括任务分解与规划、执行监控与自主纠偏、主动通知与用户交互策略等；
2、设计面向长程Agentic能力的post-training方案，探索适配异步任务特性的数据构造、奖励建模与训练方法；
3、构建长程异步任务的评测体系与仿真环境，弥补现有benchmark在任务时间跨度、多轮交互、并发协调等维度的空白。
1、具备大模型post-training、强化学习相关研究经验；
2、熟悉Agent系统设计，对function calling、tool use、multi-step reasoning等能力有深入理解；
3、熟悉主流训练框架（如VeRL等）及Agent开发框架；
4、编程能力扎实，熟练使用Python、PyTorch。

加分项：

1、有长程规划、异步任务调度、multi-agent系统等方向的研究经验，在顶会发表过相关论文；
2、参与过知名Agentic post-training 项目；
3、具备跨境电商、B2B贸易等业务场景的理解或实践经验。

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

登录后分析我的简历

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）

类型专业能力·难度困难

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

类型项目经历·难度中等

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

类型专业能力·难度简单

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

类型专业能力·难度中等

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

类型情景/案例·难度中等

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。

前往官方投递页 →