阿里巴巴
千问事业部-千问/夸克-Post-Training 高级算法专家-北京/杭州
千问事业部-千问/夸克-Post-Training 高级算法专家-北京/杭州
发布于 大约 14 小时前中层管理(经理/总监)
杭州市 / 北京市
专家级经验
全职员工
仅现场办公
硕士
人工智能
Dpo
Moe
Post-Training
Ppo
Pytorch
Rlaif
Rlhf
Rlvr
Sft
AI 估算 · 80k–120k
职位详情
关于这个职位
作为阿里巴巴千问事业部的高级算法专家，你将全面负责千问大模型的Post-Training阶段，推动模型在逻辑推理、多轮对话、指令遵循、Agent智能体及多模态交互等关键领域实现突破
你将制定技术路线图，领导团队进行前沿算法研究与工程化落地，构建世界一流的模型效果，并定义其在未来AI应用中的核心价值
此岗位需要深厚的学术背景、丰富的实战经验以及卓越的领导力
最低要求
● 计算机科学、人工智能、电子工程或相关领域的硕士或博士学位
● 在顶级学术会议 (NeurIPS, ICML, ICLR, ACL, EMNLP 等) 发表过相关高质量论文
● 在自然语言处理 (NLP) 或大模型 (LLM/VLM) 领域拥有 3 年以上的研发经验，对 Post-training 技术（SFT, RLHF, DPO, PPO、RLVR 等）方向拥有深厚的理论功底和业界公认的成功实践案例
● 对深度学习和机器学习有精深的理解，尤其熟悉 Transformer、MoE 等前沿模型架构
在强化学习 (RL) 领域有扎实的理论基础，并主导过其在 LLM 中的创新应用
● 具备卓越的工程实现能力，精通 Python 及主流深度学习框架 (PyTorch/TensorFlow)
● 具备出色的算法设计与分析能力，能够独立设计、执行和分析复杂的模型实验
● 具备优秀的领导力、项目管理能力和团队协作精神，能够带领团队攻克技术难关，并与算法、工程、评估等团队高效协作
● 对前沿技术充满热情，具备出色的问题分析和解决能力，能够将研究成果有效应用于实际业务场景
工作职责
● 【战略规划与技术引领】 制定并执行大模型 Post-training 的中长期技术路线图，预判并布局下一代对齐技术、能力增强及对齐方案
主导核心算法的战略方向，确保技术路径与公司业务战略高度协同
● 【核心能力与壁垒构建】 领导团队进行体系化的数据驱动实验，不仅局限于日常迭代，更要建立可规模化的能力提升范式
您将攻坚并解决模型在复杂指令遵循、通用问答、RAG、深度逻辑推理、内容创作、Tool-Using 等方面的瓶颈问题，构建技术壁垒
● 【前沿算法研究与创新】 深入探索并推动 Post-training 领域的前沿算法创新，包括但不限于 RLHF/RLAIF 的新范式、模型融合 (Model Fusion/Merge) 、模型蒸馏及 MoE 模型的高效对齐策略
您的目标是显著降低模型幻觉、提升推理效果、加强模型复杂指令的遵循能力
● 【多模态与未来探索】 从统一多模态模型的战略视角出发，您将指导并规划多模态统一大模型的 Post-training 技术融合
探索并落地高效的多模态 SFT 数据构建、跨模态能力协同训练及对齐策略，确保模型在图文问答、视频对话 等复杂场景下实现无缝、精准的理解与生成
● 【团队领导与效能提升】 负责 Post-training 算法团队的组建、培养与管理，打造一支具备高效执行力和持续创新能力的顶尖团队
您将指导并优化从研究、实验、评测到部署的全链路工具链与工程框架，实现研发效能的倍增
AI 洞察
优缺点分析
优点
- 阿里巴巴作为行业巨头，提供顶尖的技术平台和资源，参与世界级大模型研发
- 薪资待遇优厚，福利完善，职业发展路径清晰
- 工作强度大，需要持续学习和创新，保持技术领先
- 团队管理责任重，需要平衡技术探索与业务落地
- 竞争激烈，需要不断产出高质量成果
缺点 / 挑战
- 岗位处于AI前沿领域，技术挑战大，个人成长空间巨大
- 适合有深厚学术背景和丰富大模型研发经验，热爱技术挑战，具备领导力的资深算法专家
角色解读
- 技术专家路线：成为大模型Post-training领域的顶尖专家，主导前沿技术研究
- 管理路线：晋升为团队负责人或部门总监，负责更大范围的算法团队和业务
- 行业影响力：通过发表论文、开源项目等提升个人在AI领域的知名度
- 负责千问大模型的Post-Training阶段，包括SFT、RLHF、DPO等技术的研发与优化，提升模型在推理、指令遵循、多模态等能力
- 制定并执行Post-training技术路线图，主导核心算法方向，确保技术路径与公司业务战略协同
- 领导算法团队，负责团队组建、培养与管理，优化研发工具链，提升团队效能
- 深厚的机器学习与深度学习理论基础，熟悉Transformer、MoE等架构
- 精通强化学习（RL）及其在LLM中的应用，如RLHF、PPO、DPO等
- 扎实的工程能力，熟练使用Python和PyTorch/TensorFlow，能独立设计实验
- 优秀的领导力和项目管理能力，能带领团队攻克技术难题
申请策略
- 了解阿里巴巴千问团队的技术方向和业务布局，准备相关案例
- 展示对技术创新的热情和解决复杂问题的能力
- 突出在顶级会议发表的论文，尤其是Post-training相关
- 强调主导过的大模型项目，展示实际成果和影响力
- 展示领导团队的经验，包括团队规模、项目管理和协作
- 深入理解RLHF、DPO等最新算法，关注前沿论文
- 提升工程能力，熟悉分布式训练框架和模型部署
- 加强多模态知识，了解跨模态对齐技术
面试指南
- 用STAR法则回答项目经验，强调你的贡献和成果
- 展示对算法原理的深入理解，结合实践案例
- 体现领导力，说明团队协作和决策过程
- 请详细描述你主导的一个Post-training项目，包括技术选型、挑战和结果
- 如何设计RLHF训练流程？如何处理奖励模型过拟合问题？
- 如何平衡模型性能和推理成本？
- 你如何管理团队，推动技术迭代？
- 对多模态大模型的Post-training有何见解？
职位点评
77
综合评分
顶尖大模型研发岗位，技术前沿，薪资优厚，但工作强度大，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长和行业影响力的资深算法专家，能接受高强度工作。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
该职位薪资水平高，福利待遇完善，阿里巴巴作为上市公司提供稳定保障，补偿性动机满足程度较高。
薪资信号未披露（AI估算：80K-120K/月）
成长发展
95较高
岗位处于AI前沿，技术挑战大，有大量学习和成长机会，发展性动机得到极大满足。
技术前沿前沿/新兴技术
技术栈Post-training、RLHF、RLAIF、SFT、DPO、PPO、RLVR、Transformer、MoE、多模态
业务类型profit_center
工作生活
40较低
工作地点在北京或杭州，需现场办公，未提及弹性工作，工作强度可能较大，生活化动机满足程度有限。
工作模式仅现场办公
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
80较高
大模型技术推动AI发展，具有较高的社会影响力，行业前景广阔，意义感动机满足程度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs