阿里国际站/Alibaba.com-Agentic RL Infra工程师-Accio Work-杭州

负责面向大模型 Agent 的强化学习基础设施建设，支撑 Coding Agent、Research Agent 等复杂智能体的大规模训练和快速迭代。 ● 熟悉 slime、veRL 等框架，建设高性能、可扩展的 Agentic RL 训练系统。 ● 设计优化同步、异步架构，解决长尾 Rollout 优化 Colocate、训推分离或混合部署方案。 ● 支持 Claude Code 类黑盒 Agent 的 RL 训练，包括多轮模型调用、工具交互、轨迹采集与还原、Action Mask、Logprob 对齐。 ● 优化训推一致性和异步policy问题，建立 Policy Version 等机制，实践 R3、Staleness control、样本过滤等方案。 ● 建设训练端到推理端的 Policy 参数同步能力，包括权重转换、分发、重分片、版本管理及原子切换。 ● 定位并优化任务调度、资源利…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 8587 个杭州岗位（全城各职能合计），其中 507 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 9K ~ 22K（25~75 分位），中位约 14K，最低 1K、最高 250K。