一、关于Accio
Accio是阿里国际旗下的AI Native跨境贸易平台，致力于用AI重构全球B2B采购体验。我们拥有充足的计算资源（H100/B200集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围。在这里，研究成果不仅会产出学术论文，还会直接作用于海量的真实B2B贸易场景。

二、关于本项目
真实的B2B交易场景天然是异步、长程的 —— 一次采购询盘从需求澄清到多供应商谈判再到最终比价，可能跨越数小时乃至数天，涉及多轮交互、并发协调和对比推荐等。当前主流Agent研究集中在同步、短程任务（单次对话内完成），本项目聚焦于为这类异步长程任务构建Agent核心能力，研究方向包括：长程任务分解与规划、过程监督与自主纠偏、主动式用户交互机制，以及支撑上述能力的Agentic RL训练方法。

三、你的职责
1、Agentic RL研究与训练： 设计面向异步长程场景的RL方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL等）进行大规模调优。
2、核心能力建设：研究长程任务分解、执行监控、自主纠偏、主动通知等Agent关键能力，推动成果在Accio业务场景落地。
3、评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有benchmark未充分涵盖的维度。

四、职位要求
1、研究经历：具备大模型post-training/强化学习方向的研究经验，至少一篇顶会一作论文（NeurIPS/ICML/ICLR/ACL等）。
2、系统理解：熟悉Agent系统设计，对tool use、multi-step reasoning、skills等能力有深入理解。
3、工程能力：熟练使用Python/PyTorch，熟悉主流RL训练框架（VeRL等）及Agent开发框架。
4、加分项：有长程规划、异步任务调度、multi-agent系统方向的研究发表；参与过知名Agentic RL项目；具备跨境电商或B2B贸易场景经验。
官网职位链接：https://campus-talent.alibaba.com/campus/position/199907520001
注：实习岗为日薪制