职位描述
加入我们，你将构建阿里集团企业级Agent平台后训练技术体系，支撑核心电商、零售、本地生活等丰富业务场景的AI方案效果持续提升，通过先进AI技术探索，持续提升业务效果迭代飞轮，发现新的业务机会！
具体你将会负责：
1. Agent效果优化体系建设
构建面向Agent平台的模型后训练技术体系，包括SFT（监督微调）、RLHF（基于人类反馈的强化学习）、DPO（直接偏好优化）等技术栈
设计并实施Agent效果持续优化的数据飞轮机制，实现模型能力的自动化迭代升级
2. 平台化能力建设
将复杂的后训练技术封装为平台化能力，降低业务方使用门槛
支持多种场景的Agent定制化优化，如对话理解、任务规划、工具调用等
3. 评测与对齐体系
建立Agent效果评测体系，包括自动化评测和人工评测
设计偏好学习和人类反馈收集机制，确保Agent行为符合业务预期
