阿里巴巴
数据技术及产品部-大模型RL Data工程师-长程 Agent 环境（RL 数据）
官网发布时间：
职位描述
主导大模型「长程 Agent 环境」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型在多步、有状态、需工具调用与长程规划的复杂 agentic 任务上的能力边界，构建高质量、可复现、可自动判分的任务环境与评测数据集。本岗位为横向底座，不绑定单一行业，所搭建的长程任务环境统一服务编程、数据分析、办公、科研、金融等各垂直方向；其核心不是判定单点答案正误，而是把真实任务转化为可复现、难度分级、抗奖励作弊的环境，并按执行过程对整条轨迹打分。具体包括： 1. 能力体系与标准制定：定义长程 agentic 任务的能力维度（任务分解与规划、跨步状态跟踪、长上下文保持、模糊性与中断处理、错误恢复与反思、长程一致性与终止判断），建立以步数、分支、不可逆性、信息完整度刻画难度的分级与可解性标定方法，制定过程级评分标准（里程碑 checkpoint + 子目标 + 最终态 + rubric 软标准）与金标准轨迹规范，沉淀为各垂直方向复用的统一方法论。 2. 数据生产与标注：把真实任务构建为可复现的有状态环境（固定初始状态、可重置 / 回放 / 分支的中间态、以录制或 mock 替代真实工
任职要求
1. 对长程多步 agentic 任务及其失败模式有深入判断，能将真实复杂任务转化为可复现、可自动判分、难度可控且抗作弊的训练与评测环境；有 Agent 产品实测、长程任务或轨迹设计、过程级评测、RL 环境或数据经验者优先。 2. 具备很强的抽象与系统化能力，能将长任务拆解为子目标与里程碑 checkpoint，设计难度分级与变体生成策略，并把模糊的「做得好不好」落成可自动验证的过程评分，沉淀为可跨垂直复用的方法论。 3. 工程能力扎实，熟练掌握 Python（能独立编写判分器 verifier、解析长轨迹、处理大规模 rollout 数据），熟悉至少一类 agent 执行环境（终端 / shell、浏览器自动化、桌面自动化、代码沙箱或 MCP 工具编排），掌握以 mock / 录制替代真实依赖、容器化（Docker）与环境状态的重置 / 回放 / 分支。 4. 了解 Agent 核心机制（ReAct、Tool Use、Planning、多步推理与反思）与后训练范式（SFT / RLHF / 可验证奖励 RL、RLVR），理解过程监督（step-level reward）、跨步 cre