阿里巴巴
统一多模态大模型后训练算法研究-阿里星/C-Star
统一多模态大模型后训练算法研究-阿里星/C-Star
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Nlp
分布式训练
多模态大模型
奖励模型
强化学习
指令微调
知识蒸馏
计算机视觉
值不值得投
81综合评分
综合评分 81
顶尖校招算法研究岗，聚焦多模态大模型前沿技术，薪资极高、成长空间巨大，但技术挑战与工作压力并存。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
5.5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2910 个在招 · 其中机器学习工程 约 170 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 250 个在招
职位详情
关于这个职位
该职位致力于构建统一的多模态大模型后训练算法体系，研究高效对齐算法、超大规模强化学习训练架构优化以及多模态统一奖励系统设计
适合在AI前沿领域有深入研究，期望推动通用人工智能发展的顶尖算法人才
最低要求
计算机科学、人工智能、机器学习或相关领域的硕士或博士学位
在扩散模型、自回归模型、多模态生成理解、计算机视觉、NLP、AIGC、计算机图形学、机器学习等一个或多个领域有较深入的研究
数学公式推导能力强
熟悉流式音视频处理
具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者
能够积极创新，乐于面对挑战，负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进步
工作职责
探索模型高效对齐的后训练算法，结合指令微调、偏好学习与知识蒸馏技术，提出低资源、高响应的对齐范式，实现模型行为与人类意图的高度契合
通过构建“奖励驱动—训练加速—对齐优化”三位一体的后训练框架，推动多模态大模型向更智能、更可靠、更可控的方向持续演进，为通用人工智能提供可复用、可扩展的算法基础设施
开展超大规模强化学习（RL）训练架构优化，研究分布式训练中的梯度同步策略、样本效率提升方法与稳定收敛机制，支撑千亿级甚至万亿级参数模型在多模态环境下的高效策略优化
设计面向通用场景的多模态统一奖励系统（Reward System），融合语言、视觉等多维信号，构建细粒度、可泛化的奖励函数，实现跨模态语义一致性与任务目标的联合建模
优先资格
具有优秀的基础算法、扎实的机器学习基础，在相关领域国际顶级会议（ACL、EMNLP、CVPR、ICCV、NeurIPS、ICLR、AAAI 等）有高质量论文发表者优先
具有优秀的代码能力，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先
在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先
在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表
AI 洞察
优缺点分析
优点
- 处于AGI和多模态大模型的最前沿，技术壁垒极高，能积累顶尖的算法与工程经验
- 依托丰富的算力资源和业务场景，研究成果易于落地并产生巨大影响力
- 大模型后训练和强化学习面临极高的技术难度和不确定性，需要极强的抗压能力和自主探索能力
- 适合在AI领域有深厚学术积累（如顶会论文）、代码能力极强，且对通用人工智能充满热情的顶尖硕博人才
缺点 / 挑战
- 超大规模分布式训练的工程挑战巨大，调试和优化成本极高
角色解读
- 从算法研究员成长为多模态大模型领域的技术专家或首席科学家，引领通用人工智能底层算法的突破，或在AI基础设施团队担任核心技术骨干
- 研究并构建多模态大模型的后训练算法体系，包括高效对齐算法、超大规模强化学习架构优化以及多模态统一奖励系统设计
- 解决模态割裂、对齐效率低等关键挑战，推动大模型向更智能、可控方向演进
- 扎实的机器学习与深度学习基础，精通扩散模型、自回归模型、多模态生成与理解等前沿技术
- 具备极强的数学推导能力、代码实现能力以及分布式训练架构优化经验
申请策略
- 该计划竞争极其激烈，建议提前通过内推渠道联系相关团队的面试官或研究员，展示你的研究成果和技术热情
- 重点突出在多模态、大模型、RL等领域的顶会论文发表记录，以及主导过的大影响力项目
- 展示在ACM/ICPC等顶级算法竞赛中的优异成绩，证明极强的代码与算法基础
- 深入研读最新的RLHF、DPO等多模态对齐算法论文，并尝试在开源大模型上进行复现和微调实验
- 提升分布式训练框架的实操经验
面试指南
- 采用STAR法则，重点突出“问题定义-理论推导-工程实现-效果验证”的完整闭环
- 对于架构和算法设计问题，先阐述理论依据，再结合具体场景说明工程落地细节和性能指标
- 请详细介绍你在多模态对齐或强化学习方面的研究经历，遇到了哪些挑战及如何解决？
- 在超大规模分布式训练中，如何优化梯度同步策略以提升训练效率？
- 如何设计一个细粒度且可泛化的多模态奖励函数？请分享你的思路
- 针对大模型训练中的模态割裂问题，你认为目前最有效的解决方案是什么？
- 复习并深入理解最新的RLHF、DPO、PPO等对齐算法的数学推导与代码实现
- 准备1-2个自己主导的、具有技术深度的大模型项目，能够清晰讲解其中的核心创新点和工程难点
职位点评
薪资福利90
成长发展95
工作生活40
使命价值90
薪资福利
90较高
作为顶尖校招研究计划，薪资处于行业绝对头部，且提供极具竞争力的长期激励。
薪资信号偏高 (4千–7万/月)
成长发展
95较高
聚焦AGI和多模态大模型最前沿技术，依托顶级算力与业务场景，技术成长空间无可限量。
技术前沿前沿/新兴技术
技术栈多模态大模型、强化学习、指令微调、偏好学习、知识蒸馏、分布式训练、奖励系统
成长机会探索新技术、推进技术进步
业务类型ambiguous
工作生活
40较低
顶尖算法研究岗通常面临极高的技术挑战和项目压力，工作强度较大，WLB难以保证。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
90较高
致力于构建通用人工智能的算法基础设施，推动大模型向更智能、可靠、可控方向演进，具有极高的科技使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号为通用人工智能提供可复用、可扩展的算法基础设施、推动多模态大模型向更智能、更可靠、更可控的方向持续演进
创新程度开拓性创新（行业首创）
Watch Jobs