阿里巴巴｜Agentic训练与强化学习算法研究-阿里星/Bravo Star

1.研发下一代 Agentic System：通过多步规划（Planning）、反思（Reflection）与工具调用（Tool-Use）能力，为全球商家构建自动化"数字员工"，实现复杂任务闭环（如自动化选品、智能营销策划），端到端交付高价值业务结果，定义 AI 原生的 B2B 贸易新范式； 2.面向阿里国际站海量异构 API 生态，构建基于强化学习的训练决策迭代技术：设计并实现复杂任务流下的环境模拟器（Environment Design）与多维度奖励函数（Reward Shaping），通过 RL 训练提升模型在动态、高并发 API 环境下的编排、纠错与执行能力。

1.系统掌握强化学习理论，熟悉 PPO / DPO / RLHF 等主流算法的原理与工程实践； 2.具备大模型 Agent、Tool-Use、Planning / Reflection 等方向的研究或落地经验； 3.有环境模拟器（Environment Design）或奖励函数（Reward Shaping）设计经验者优先。