一、关于Accio

Accio是阿里国际旗下的AI Native跨境贸易平台，致力于用AI重构全球B2B采购体验。我们拥有充足的计算资源（H100/B200集群）、真实的大规模商业场景（覆盖海量活跃供应商与全球买家）、开放包容的研究氛围。在这里，研究成果不仅会产出学术论文，还会直接作用于海量的真实B2B贸易场景。

二、关于本项目

真实的B2B交易场景天然是异步、长程的 —— 一次采购询盘从需求澄清到多供应商谈判再到最终比价，可能跨越数小时乃至数天，涉及多轮交互、并发协调和对比推荐等。当前主流Agent研究集中在同步、短程任务（单次对话内完成），本项目聚焦于为这类异步长程任务构建Agent核心能力，研究方向包括：长程任务分解与规划、过程监督与自主纠偏、主动式用户交互机制，以及支撑上述能力的Agentic RL训练方法。

三、你的职责

1、Agentic RL研究与训练： 设计面向异步长程场景的RL方案，包括合成数据构造、奖励建模与模型训练，利用分布式框架（VeRL等）进行大规模调优。

2、核心能力建设：研究长程任务分解、执行监控、自主纠偏、主动通知等Agent关键能力，推动成果在Accio业务场景落地。

3、评测体系构建：搭建面向长程异步任务的评测基准，覆盖任务时间跨度、多轮交互、并发协调等现有benchmark未充分涵盖的维度。