Agentic Post-training-阿里星/Bravo Star

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 Agentic Model 的训练方法、能力提升与评测体系研究，探索大模型在自主决策、规划与工具调用等方面的强化路径，包括但不限于：

1. 设计与优化 Agentic Model 的训练架构与方法；
2. 构建与改进训练数据、策略与环境；
3. 建立与完善 Agentic 能力评估体系；
4. 与工程团队协作推动模型在系统中的集成与验证。

1. 具备大模型、RL 相关研究经验；
2. 熟悉主流训练框架例如 VeRL 等；
3. 编程能力扎实，熟练使用 Python、PyTorch；
4. 具备良好的研究能力与工程实现能力。 加分项：
5. 有Agent的研究经验，在顶会发表过相关论文；
6. 参与过知名 Agentic post-training 项目。