岗位职责
- 深度参与淘宝AI购物助手统一大模型的全链路训练，包括预训练退火、监督微调（SFT）、基于真实用户行为的奖励建模（RLVR）及人类反馈强化学习（RLHF），持续提升模型在电商场景下的任务完成能力。
- 设计并实现大模型原生的Agent框架，通过Skill编排、工具调用（Tool-use）、Sub-agent协作等机制，将淘系生态能力注入AI助手，使其具备“执行闭环”能力——不仅能理解用户意图，更能完成推荐、比价、下单、售后等真实购物任务。
- 基于淘天数亿级用户的真实交互行为，挖掘高信噪比的隐式与显式反馈信号，构建面向电商场景的奖励函数体系，并通过强化学习驱动模型持续优化用户体验与商业指标。
- 探索无人区问题，AI Agent在真实业务约束下的前沿挑战，包括但不限于：异步实时推理调度、Any-to-Any原生多模态理解（文本/图像/视频/商品卡片）、动态工具发现与组合、长程任务规划等。
职位要求
- 计算机科学、人工智能、机器学习或相关领域的硕士及以上学历，博士优先。
- 在大模型训练（预训练/SFT/RLHF/强化学习）中具备扎实的实战经验，熟悉主流训练框架与分布式训练技术。
- 对Agent系统、工具调用（Tool-use）、多智能体协作等方向有深入理解，有相关系统设计或落地经验者优先。
- 熟练掌握PyTorch等深度学习框架，具备大规模模型训练、推理优化或在线服务部署经验。
- 具备在模糊和不确定性中独立判断与决策的能力，能在缺乏成熟方案的领域提出有技术品位的解决路径。
- 对“用AI重新定义购物体验”有强烈兴趣，有电商、搜索、推荐或对话系统相关背景者优先；在顶级会议（NeurIPS/ICML/ICLR/CVPR/ACL等）发表论文或拥有技术专利者优先。 我们能给你
- 场景稀缺性：数亿级日活用户 × 极其丰富的电商意图 × 可闭环的商业验证
- 技术纵深：从模型训练到Agent系统到产品体验，你可以一竿子插到底，而不是只做流水线上的一环
- 前沿密度：团队在RLVR、Agentic Training、多模态等前沿研究方向持续投入
- 影响力：你训练的模型、设计的Agent，会直接服务于淘宝用户
