职位类别：技术类 业务集团：淘天集团 职位描述：1.主导GRPO/PPO/DAPO等Alignment算法研发，提升模型在B2B复杂场景下的长链条推理、Tool-use及自省纠错能力； 2.基于1688海量买卖家交互数据，搭建针对B类生意场景的模拟器或世界模型，通过模拟博弈持续优化Agent的最优决策路径； 3.参与千亿级模型的继续训练与Multi-Agent RL训练，构建openclaw的大脑，同时推进落地； 4.将业务突破转化为学术成果，支持在 NeurIPS、ICLR、ICML 等顶会发表高质量论文，或推动相关算法在社区的开源，建立行业影响力。 职位要求：1.计算机、数学、自动化等相关专业博士或顶尖硕士，深入理解LLM/VLM/RL/Agent领域，熟悉DPO/PPO/GRPO等RL前沿算法； 2.具备实际的Agent系统开发经验如任务分解、工具调用、记忆管理、上下文规划等，参与或主导过大型语言模型的训练或优化项目，熟悉Agent评估； 3.具备敏锐的逻辑分析能力，坚定相信AI Native的未来，具备从底层重构产品的热忱，而不只是在旧系统上修修补补。