阿里国际数字商业集团

1、支撑模型团队使用 Megatron 进行大规模分布式训练，处理 tensor parallel、pipeline parallel、data parallel、expert parallel、sequence/context parallel 等并行策略相关问题; 2、支撑模型团队使用 SGLang 进行高吞吐推理和 rollout，优化 batching、KV cache、prefill/decode 调度、长上下文稳定性和在线训练链路； 3、设计和实现面向更大模型规模的 post-training infra，降低训练资源成本，提高实验迭代效率和系统稳定性； 4、建设 profiling、benchmark、monitoring 和 debugging 工具，提升训练吞吐、GPU utilization、rollout 稳定性和故障定位效率； 5、与研究员和模型工程师紧密合作，把新的训练想法快速落地成可复现、可扩展、可长期维护的系统能力。 职位描述 1、扎实的工程能力，熟悉 Python，最好熟悉一种系统语言或高性能计算相关语言，例如 C++、CUDA、Rust 或 Go； 2、熟悉 PyTorch 生态，理解大模型训练的基本流程，包括 forward/backward、optimizer、checkpoint、activation checkpointing、mixed precision 等； 3、有分布式系统或大规模训练经验，理解 GPU 集群、NCCL、通信开销、显存瓶颈、吞吐优化和故障恢复； 4、对 Megatron、DeepSpeed、FSDP、SGLang、vLLM、TensorRT-LLM、Ray 等训练或推理系统中的至少一类有实际使用或开发经验； 5、理解大模型 post-training 的基本范式，例如 SFT、DPO、PPO、GRPO、RLHF、RLAIF 或 agentic RL； 6、能够在复杂系统中定位问题：从日志、metric、profile、checkpoint、到分布式 rank 行为，都愿意追到根因； 7、有强 ownership，能把一次性的实验脚本沉淀成可复用的工具、模板、文档和稳定接口； 8、能和研究团队高效协作，既尊重研究速度，也重视系统正确性和长期可维护性。 加分项：做过 LLM training infra、RLHF infra、online RL、agent training、tool-use training、MoE 训练、低精度训练/推理、PEFT 或高质量开源 infra 项目。

Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Search Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，实现全球B2B跨境贸易跨越式发展。 职责： 1、构建Agent专用合成数据管线：设计并实现自动化的合成数据方案，重点生产高质量的思维链、工具调用和自我修正轨迹； 2、Agent交互环境搭建：构建高性能、可扩展的Agent框架和运行环境（如代码执行器、浏览器模拟器、数据库交互等），为模型提供实时反馈的环境； 3、Agentic RL：应用并改进RL算法，提升模型在长程任务（Long-horizon tasks）中的成功率和鲁棒性； 4、评估体系建设：开发超越传统基准测试的动态评估方案，针对规划能力、工具选择准确率、幻觉控制及错误恢复能力建立量化指标； 5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training。 要求： 1、硕士及以上学历，计算机、电子、人工智能、自动化、数学、物理、等相关专业优先； 2、具有大规模数据合成、Coding Agent、Search Agent、大规模RL训练、商业场景Agent架构与环境构建项目经验者优先； 3、具有良好的工程能力，熟悉Verl/Slime/RL2等模型训练infra并有训练经验者优先； 4、熟悉LLM-based Chatbot技术原理者优先；熟悉LLM Post-Training训练数据构建方法，以及Multi-Agent系统框架者优先； 5、有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代。 加分项 1、具有扎实的机器学习基础，熟悉CV、NLP、RL、ML、多模态理解、搜推广等领域的技术，在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、KDD、WWW、SIGIR、Recsys、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先； 2、在具有影响力AI/Agent项目实习/工作经验者优先； 3、在GitHub等开源社区具有影响力项目发表经验者优先； 4、具有SOTA Agent产品核心算法开发/优化、大模型基座应用落地经验者优先； 5、具有优秀的代码能力，熟练掌握C/C++或Python，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先； 6、在LLM、多模态、RL、基础模型、世界模型等领域，主导过大影响力项目者优先。

职位描述： 1.参与Agent设计、开发和维护，完成从需求到设计、开发和上线等全项目周期工作，为用户提供丰富且有价值的Agent产品； 2.负责将Agent落地到实际业务场景，包括但不限于Prompt工程、RAG优化、Multi-Agent构建、Memory系统、RL系统、流程编排、知识库建设、内容生成及业务流程自动化等； 3.结合专业知识，深入分析垂直领域的业务逻辑，使 Agent 能够精准理解并执行专业性极高的业务需求； 4.实时关注AI与大模型领域技术发展趋势，并灵活应用于项目中，适应快速迭代的研发节奏。 职位要求： 1.毕业时间：2026-11-01 ~ 2027-10-01 本科及以上学历，计算机、电子、人工智能、数学、物理、自动化等相关专业优先； 2.具有优秀的代码能力，熟练掌握JAVA/Python编程语言； 3.熟练掌握Agent架构核心组件设计原理和调优方案，对开源的 Agent 框架了解者优先，包含而不限于ADK，Prompt 调优，Function Calling，RAG，上下文工程及压缩等； 4.学习能力强，对新事物保有好奇心，有良好的沟通能力和团队协同能力，善于独立思考并反思总结，具备批判性思维，能将复杂问题转化为简洁、高效的实现方案，热爱技术，拥抱开源。 【加分项】 1. 热衷于ACM，在校期间参与过大学生数学建模竞赛、“挑战杯”、机器人足球比赛等，或作为骨干参与过学生网站的建设和开发； 2. 在相关领域国际顶级会议、期刊发表论文，或相关学术会议组织的权威比赛中获奖； 3. ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先。

聚焦核心业务场景，利用Agent等前沿技术推动AI落地。你将参与从需求洞察到系统构建的全流程，通过研发智能应用与工具，提升业务效率与效果，实现技术驱动业务增长的完整闭环，推动智能规模化演进，实现技术价值转化。 具体职责包括以下相关方向的一项或多项： 1.需求理解与归因： ● 深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。 2.架构设计： ● 面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性。 3.知识与环境构建： ● 搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑。 4.核心能力实现： ● 负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析。 5.系统迭代与演进： ● 建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地。 6.性能优化： ● 优化高并发场景下的系统性能，通过异步处理与降级策略保障稳定性，通过低侵入性观测手段保障系统的长期稳定运行。 职位要求： 1.基础条件 ● 毕业时间：2026-11-01 ~ 2027-10-01 计算机、软件工程、人工智能等相关专业优先。 2.专业能力 ● AI编程工具重度玩家：Cursor、Claude code等AI编程工具重度或顶级玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码。 ● 大模型能力理解与掌握：理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现；熟悉主流大模型的应用范式(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路。 ● 扎实的代码和工程能力：具备扎实的计算机基础知识，深入理解数据结构、算法、网络和操作系统等相关知识，能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，掌握常见工程实践并具备优秀的Coding 能力，能够根据场景灵活选型并快速上手。 3.能力特质 ● 学习能力： 具备快速啃透前沿论文（Paper）的能力，并能将理论知识转化为工程代码。 ● 开放性与动手能力： 拒绝纸上谈兵，有自己独立完成的小项目（开源项目或个人 Demo），展现极客精神。 ● 好奇心与想象力： 面对未知事物有独特的想法，具备敏锐的问题定义能力和坚韧的解决问题能力。 ● 审美追求： 技术亦有审美，鼓励你提出能提出打动人心、简洁优雅的好想法。 ● 高能动性： 具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务。 加分项 ● 有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先。 ● 开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力。 ● 对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全局视角。 ● 在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。

Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研Agent模型、Agent系统，实现B2B AI Agent跨越式发展。 职责： 1、负责Agent算法架构设计与效果优化，包括但不限于模型优化（Agentic Post-training/Agentic Infra等）自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强； 2、复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务； 3、Long-horizon运行设计：构建结合"工作记忆+全局知识库"的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架； 4、构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地； 5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training； 6、探索Agent Architectures/Structures的上限，在Agent应用研究中最大程度释放模型的能力，研究Self-Evolving AI System，实现Self-Improving Agents。 要求： 1、硕士及以上学历，计算机、电子、人工智能、自动化、数学、物理、等相关专业优先； 2、具有良好的工程能力，熟悉Python等开发框架； 3、对大模型和Agent有较深入的理解，熟悉常见的大模型后训练、实施模式、提示工程、评估框架、检索框架者优先。包含而不限于具有Agent数据合成、Agentic RL训练、Agentic RL Infra（例如CodeRL，Reward System）、Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先；了解Agent Architectures/Structures（Multi-Agent、Context Engineering/Mangemant、ReAct/PlanAct/CodeAct）者优先；了解Agent相关的交互协议（MCP、A2A、Function Calling）者有优先； 4、有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代。 加分项： 1、具有扎实的机器学习基础，熟悉CV、NLP、RL、ML、多模态理解、搜推广等领域的技术，在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、KDD、WWW、SIGIR、Recsys、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先； 2、在具有影响力AI/Agent项目实习/工作经验者优先； 3、在GitHub等开源社区具有影响力项目发表经验者优先； 4、具有SOTA Agent产品核心算法开发/优化、大模型基座应用落地经验者优先； 5、具有优秀的代码能力，熟练掌握C/C++或Python，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先； 6、在LLM、多模态、RL、基础模型、世界模型等领域，主导过大影响力项目者优先。

负责 AI Mode 核心业务场景的 AI 能力构建与落地，将大模型技术（LLM）转化为可量化、可评估的业务生产力。你既是 Agent 系统的架构师，也是业务逻辑的重构者。 岗位职责: 1. Agent 系统开发与编排 基于 Accio Work / AI Mode 框架，设计并开发具备自主决策能力的 Multi-Agent 协作系统 负责 Agent 核心链路建设，包括意图识别、任务规划（Planning）、工具调用（Function Calling / MCP）及多轮对话管理 将复杂业务问题拆解为 L3-L4 级可执行的 Agentic Workflow 2. AI 应用开发与效果调优 掌握 RAG（检索增强生成）架构，构建面向业务场景的知识库与召回策略 通过 Prompt Engineering、模型路由（大模型打标 + 小模型执行）等手段，持续优化模型表现 将 AI 幻觉率控制在业务可接受范围（≤5%），任务完成率提升至 90% 以上 3. 评测体系建设与业务价值验证 搭建基于真实业务 Query 的 Benchmark 评测集，建立可量化的模型效果评估体系 主导 AB 实验设计，确保 AI 功能上线后核心业务指标实现置信增长（P < 0.05） 对负责场景的 Token 效能比负责，实现单位计算成本节降 ≥ 20% 4. 业务流程自动化与决策提效 将负责业务域中 50% 以上的重复性决策交由 Agent 托管 利用 AI 解决数据归因与取数痛点，将决策支持响应时间从“天级”缩短为“分钟级” 沉淀可复用的 Skill 与工作流方法论，带动团队 AI 工具采纳率提升 任职要求： 1、计算机相关专业本科及以上学历，3 年以上后端开发或算法工程经验 2、熟练使用至少一种主流 LLM 应用框架（LangChain / LlamaIndex / AutoGen 等） 3、具备实际的大模型应用落地经验（RAG / Agent / Fine-tuning 至少精通一项） 4、具备扎实的工程能力，能独立完成从方案设计到上线运维的全链路交付 优先条件 1、有跨境电商、B2B 平台或供应链业务背景者优先 2、有 Multi-Agent 系统或 Harness 架构实战经验者优先 3、在国际站 AI Mode 或类似 AI Native 项目中主导过核心模块者优先

Accio Work是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是阿里在海外落地的首个企业级AI Agent，通过持续探索Agent、Agent Harness、RL、Memory、Reasoning等前沿技术，自研Agent模型、Agent系统，实现B2B AI Agent跨越式发展。 1、研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强； 2、复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务； 3、Long-horizon运行设计：构建结合"工作记忆+全局知识库"的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架； 4、构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地； 5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training。 职位要求 1、硕士及以上学历，计算机、电子、人工智能、自动化、数学、物理、等相关专业优先； 2、具有良好的工程能力，具有Agent数据合成、Agentic RL训练、Coding/Search Agent构建、Agent记忆系统构建、Multi-agent协作设计者优先； 3、有较强的自驱力、学习力、创新力和抗压能力，能够跟上正在快速变化的AI时代。 加分项 1、具有扎实的机器学习基础，熟悉CV、NLP、RL、ML、多模态理解、搜推广等领域的技术，在ICML、ACL、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、KDD、WWW、SIGIR、Recsys、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先； 2、在具有影响力AI/Agent项目实习/工作经验者优先； 3、在GitHub等开源社区具有影响力项目发表经验者优先； 4、具有SOTA Agent产品核心算法开发/优化、大模型基座应用落地经验者优先； 5、具有优秀的代码能力，熟练掌握C/C++或Python，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先； 6、在LLM、多模态、RL、基础模型、世界模型等领域，主导过大影响力项目者优先。

我们正在寻找对引擎技术有深入理解和实践经验的工程师，参与构建和优化面向海量用户的核心搜索推荐系统。该岗位将深度参与搜推引擎全链路的技术研发，涵盖查询理解、召回、排序、索引等核心模块。 岗位职责: 1. 搜推全链路研发：负责搜推引擎核心模块的设计与开发，包括但不限于 Query 理解、召回策略、排序模型、索引构建与优化等环节，持续优化搜索效果与系统性能。 2. 策略与算法迭代：与算法团队紧密配合，将 NLP、深度学习等前沿技术落地到搜推场景中，提升相关性、时效性、多样性等核心指标。 3. 系统架构设计：参与引擎分布式架构的设计与优化，保障系统在高并发、大数据量场景下的稳定性、低延迟和高吞吐。 4. 数据驱动优化：建立搜推质量评估体系，通过数据分析和用户反馈驱动策略的持续迭代，量化优化效果。 5. 技术前沿探索：跟踪搜索、推荐、大模型领域的最新技术趋势，探索 LLM 在搜索中的应用（如 query 改写、语义检索、生成式搜索等），推动技术创新与业务价值转化。 任职要求： 1. 计算机科学或相关专业本科及以上学历，3 -5年以上搜推引擎或相关领域的工作经验，有主导过核心模块架构设计的经历。 2. 扎实的编程功底，精通 Java/C++/Python 中至少一门语言，熟悉数据结构与算法，具备良好的工程实践习惯；熟悉引擎的基本原理，对倒排索引、向量检索、相关性计算等有实际理解和动手经验。 3. 深入理解搜索全链路（Query 理解 → 召回 → 排序 → 展示），能在多个环节独立制定技术方案并推动落地。 4. 在以下至少一个方向有深入实践：NLP 技术应用、排序模型（Learning to Rank / 深度学习排序）、向量检索与语义搜索、大规模索引构建与优化、搜索引擎性能调优。 5. 具备系统架构设计能力，能处理高并发、低延迟的分布式系统挑战，有千万级 QPS 系统经验者优先。 6. 具备良好的沟通协作能力，能够独立承担模块级别的开发与交付。 加分项： 1. 有主流搜索引擎（如 Elasticsearch、Solr、OpenSearch）的源码级理解或深度定制经验。 2. 有大模型（LLM）在搜索场景落地的实践经验，如 RAG、语义检索、query 理解增强等。 3. 在 ACM/SIGIR/KDD 等顶会发表过论文，或在开源搜索社区有贡献。 4. 有电商搜索、内容搜索或垂直领域搜索的实战经验。 5. 熟悉 TensorFlow/PyTorch 等深度学习框架，有模型训练与线上部署经验。