在电商场景下的Agent工具使用与记忆机制设计与研究-Bravo Star-阿里巴巴2027届实习生

阿里国际站是全球领先的跨境B2B数字贸易平台，致力于推动全球中小企业的数字化出海与贸易增长。我们正在寻找对LLM/Agent技术充满热情、并希望将前沿研究真正落地到复杂电商业务中的同学，加入国际站AI算法团队。 1.负责国际站核心Agent产品能力建设：围绕跨境B2B采购链路的真实任务（选品找厂、对比筛选、询盘跟进、交易推进等），设计并研发面向业务闭环的Agentic框架能力，提升多步任务规划（Planning）、工具使用（Tool-Use）、结果校验与纠错（Reflection/Verification）等关键模块，让Agent从“能对话”走向“能完成任务并交付结果”。 2.聚焦电商场景下Agent的两大关键挑战并形成可复用方法论： *Tool-Use训练与评测：底层接入工具（API/检索/知识库/工作流）数量庞大且形态异构，研究如何让Agent“选对工具、以对的参数调用、在对的时机串联调用”，包括数据合成与自动标注、基于反馈的训练（SFT/RL/RLAIF）、工具调用的可靠性评测体系、线上失败归因与持续迭代机制等。 *长周期用户Memory机制设计：跨境B2B采购周期长、状态变化多，研究并设计可长期生效的个性化Memory体系（偏好/约束/上下文/任务状态），在隐私与合规约束下实现“可记、可控、可更新、可解释”，保障Agent在跨周跨月的任务中保持一致性与个性化体验，并显著提升留存与转化。

1.计算机科学、人工智能、自然语言处理、机器学习、数学或相关专业硕士及以上学历，具备扎实的编程与算法基础； 2.对大模型预训练/指令微调（SFT）/推理优化/对齐与强化学习（RL/RLAIF）等有较好理解；在Agent、Tool-Use、Memory、RAG、评测体系等方向具备实践经验者优先； 3.具备优秀的逻辑思维与问题拆解能力，能在复杂业务约束下推进从研究—工程—线上效果闭环；具备良好的沟通协作能力与结果导向意识； 4.加分项：有电商/搜索推荐/对话系统/多Agent系统/自动化工作流相关经验；有顶会论文/开源项目/大规模线上系统经验者优先。