面向智能体的大规模可扩展的自进化强化学习环境-阿里星

面向Agentic智能体大规模后训练、环境仿真瓶颈、高质量评测等核心挑战，本课题聚焦下一代大规模智能体强化学习基础设施建设，基于阿里ROCK平台与ROLL框架，突破万级并发仿真、标准化评测、海量数据自动化生产的技术瓶颈，为智能体持续自进化提供可扩展的训练底座。

1. 研究高弹性、低开销的大规模环境调度机制，突破万级智能体仿真实例并行运行的技术瓶颈，攻克异构算力高效协同与资源弹性伸缩等核心问题，支撑超大规模群体智能训练。
2. 研究多场景、全覆盖的标准化智能体Benchmark评测体系，构建统一的能力度量与算法迭代验证底座，解决当前智能体能力缺乏统一评测标准的行业难题。
3. 研究大规模智能体交互数据自动化生产全链路技术，实现海量高质量训练数据高效量产，满足大模型智能体长周期强化学习迭代需求。
4. 探索智能体驱动的大模型持续自进化框架，结合强化学习优化训练效率，增强大模型在对齐、推理、代码、数学等维度的能力，并将成果发表于顶级学术会议与回馈开源社区。

1. 计算机科学、人工智能、机器学习、数学、统计学等相关专业硕士及以上学历，博士优先。
2. 具备扎实的系统能力，精通Python/Go/C++中至少一种语言，熟悉分布式系统原理，有大规模分布式系统设计、开发经验。
3. 熟悉强化学习原理与前沿进展，对大规模RL、多智能体RL、RLHF等方向有深入理解，有相关研究或项目经验。
4. 熟悉Kubernetes架构与容器技术（Docker/Kata），有机器学习系统平台或训练基础设施研发经验者优先。
5. 熟悉大模型强化学习框架（如OpenRLHF、veRL、TRL等）或分布式计算框架（如Ray）者优先。
6. 在NeurIPS、ICML、ICLR、OSDI、SOSP、EuroSys、ATC、MLSys等顶级会议发表论文，或在ROCK/ROLL等高质量开源项目中有显著贡献者优先。