5月25日的午后，浙大邵科馆的空气里多了一丝不一样的气息。
阿里国际学术酒吧闪现浙大校园玉泉校区，与浙江大学信息学部 FIT论坛共赴一场“微醺”之约——让前沿技术化作杯中特调，硬核沙龙变身思想派对。
在这场聚焦智能体(Agent) 前沿技术的深度对话中，阿里国际多位算法团队负责人带着鲜活的实战命题赴约，与浙大师生们济济一堂，从学术理论到产业前沿，交替开麦，氛围轻松而热烈。
浙大信息学部副主任邵之江教授、陈文智教授、学部学术交流与合作专委会许超教授、徐杨教授等20多位学者也悉数到场，邵教授全程主持了交流活动。
活动伊始，陈文智教授与阿里国际智能技术部负责人元涵先后发言开启对话。
陈教授称，此次的FIT论坛与阿里国际联合举办，是"非常轻松、别开生面的"，令人充满期待。元涵也分享道，学术酒吧已在阿里国际举办过50余期，希望将这份自由松弛的前沿科技探讨氛围带入校园，我们非常重视产学研联动，期待与浙大师生在AI的前沿浪潮中共同探索，“在AI时代下留下属于我们的足迹”。
随着全场举杯共饮，邵科馆内的“学术酒吧”正式开张营业！
来看看这场让人“上头”的技术局
都聊了些什么？
🍷
破局全球化：大模型如何跨越语言深壑？
面对全球200+国家与地区、20余种语言的复杂战场，传统的搜索架构面临语义对齐的巨大挑战。AliExpress 搜索算法负责人肖荣分享了团队如何构建“多元电商预训练模型”。
不同于通用的翻译模型，团队通过沉淀超 500B 的多语言电商专属语料，构建起 Multilingual E-LLM 基座。
这不仅是语料的堆叠，更是对跨语言语义空间的重构，旨在解决端到端生成式检索中的“意图失真”难题。
“全球电商搜索不只是翻译，而是在毫秒级时间内跨越语言深壑，精准触达用户的真实意图。”
🍸
下一代推荐范式：借力 · 接管 · 重构
y
推荐系统正在经历一场底层范式的重构。阿里国际AliExpress 推荐算法负责人凌峰现场拆解了团队两年来的技术演进路径——大模型在推荐系统中的角色，如何从特征提取工具，进化为推荐决策者，再到重新定义召回与排序本身。
他分享了几项核心工作：自研推荐大模型 Sigma（SIGIR'26），将世界知识注入推荐决策，让系统理解 200+ 国家的节日、气候、文化差异，精准服务全球化多元市场；超大参数量生成式召回ASGR，全场景超越传统向量检索；Transformer 本体化精排 SORT，实现订单 +6% 的同时推理吞吐翻倍；以及生成式预训练方案 GPSD（KDD'25）。
从"让大模型帮忙"到"让大模型上场"，这是一条在工业约束下走出来的务实路线。
🥃
工业与安全：AI赋能精密设计与可信底座
浙江大学光电学院汪凯巍教授则将视野带入了精密工业领域。
他分享了AI如何重塑光学设计——通过GPU加速并行光线追迹与百万级初始结构搜索，团队打造出具备自主推理能力的“光学设计Agent”，展现了AI在垂直工业领域的巨大潜力。
而浙江大学计算机学院研究员胡佳聪聚焦在Agent的“安全底座”。针对大模型可能存在的欺骗性风险，团队提出了覆盖规划、行动与反馈的全过程安全评估体系。
“当Agent越来越强，谁来保证它‘说真话、做真事’？我们把安全可信看作是一个覆盖全环节的闭环命题。”
🧉
东南亚实战：AI Agent在
电商导购助手LazzieChat中的实践经验
电商导购Agent需要具备推理能力，自主编排和执行多种工具调用，才能满足真实场景下用户复杂多样的购物需求。
针对这一问题，阿里国际Lazada AI导购算法负责人吹衣分享了LazzieChat的核心技术。团队构建了包含250万真实商品数据和4类用户复杂购物问题的benchmark（ShoppingBench），合成工具调用的轨迹数据进行大模型后训练，显著提升了LLM对复杂导购需求的推荐准确性。此外，团队设计了多智能体框架ProductResearch，合成高质量长程研究轨迹，蒸馏成单模型可以学习的数据，微调LLM Agent后带来了产品研究报告各项评测指标的显著提升。
🥂
商业洞察新范式：虚拟用户破解高昂调研成本
面对海外用户访谈每小时数千元的高昂成本，浙江大学人工智能学院研究员陈培探索了智能体在用户研究领域的商业潜力。
团队通过角色画像图谱构建了高保真虚拟用户，赋予其稳定的价值观与生活记忆，实现了低成本、规模化的用户洞察。
“当研究成本高到每小时6000元，构建‘高保真虚拟用户’就不再是学术游戏，而是真实的业务刚需。”
🍾
Agent Harness设计与
Agentic Model训练探索
如何让 AI 从“对话框”走向“工作流”？阿里国际站 Accio AI 负责人谢锶聪分享了Accio Work团队在 Agent Harness 设计与 Agentic Model 训练上的底层实践。
Agent Harness是一套支撑多智能体长程协作的精密架构。锶聪将其技术维度生动地拆解为：Skills给脑、Subagents给团队、Connectors给眼、CLIs给手、Hooks给心跳。这套架构通过精密的目标管理与上下文编排，支持“存量”与“调度”等多种协作范式，让多智能体如同交响乐团般实现 7×24 小时的自主运作。
而在算法侧，他进一步展示了 Agentic model 的后训练（Post-training）Pipeline。通过强化学习（RL）驱动模型实现能力的“自进化”，将海量的执行轨迹持续“萃取”为模型底层的逻辑感知。
🍹
万物智联的未来：端侧大模型的探索
作为全场分享嘉宾中最年轻的新生代力量，来自浙江大学信电学院在读博士生严宇轩，给大家带来了关于“端侧大模型”的前瞻思考。
针对云端成本与隐私瓶颈，提出设备协同联合微调方案，并在长视频检索等复杂任务上实现了优于云端模型的多步推理能力，为万物智联时代的智能体落地提供了“更轻、更私密、更智能”的新范式。
“酒”香未散，精彩待续。
无醇精酿带来的技术震撼依然是“上头”的。
这一杯，敬技术，
也敬每一位在探索路上同行的伙伴。
当深厚学术底蕴遇上广阔产业场景，我们相信，一个更具想象力的智能未来正在被共同编写。
意犹未尽？来这里，和我们做同事！
和一群有趣的人，“技术就'酒’，越喝越有”！
扫描上方二维码，
查看并投递阿里国际岗位！
猜猜当天最受欢迎的是哪款特调？
我们将从评论区抽取 3 位读者，
寄出阿里国际限定周边！
如果不看配方，
你绝对想不到这些名字背后的极客浪漫：
