阿里巴巴
业务技术-后训练算法工程师-用户场景营销
业务技术-后训练算法工程师-用户场景营销
发布于 大约 20 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Dpo
Grpo
Lora
Qlora
Rlhf
Sft
分布式训练
数据构建
机器学习
值不值得投
70综合评分
综合评分 70
技术前沿、业务核心，成长空间大，但工作节奏可能较快。
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。
薪资怎么样
55K
与算法优化工程师中位数基本持平
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 2140 个在招 · 其中算法优化工程师 81 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 85 个在招
职位详情
关于这个职位
作为阿里巴巴淘天集团的后训练算法工程师，你将专注于淘宝营销业务，通过构建训练数据、设计后训练方案、执行实验评估与迭代，推动大模型在商品运营和用户运营等场景中的效果优化与落地
该职位要求扎实的机器学习基础和丰富的后训练实践经验，适合对技术深度和业务落地均有追求的算法人才
最低要求
硕士及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业优先
具备扎实的软件工程与机器学习基础，熟悉 Python/JAVA 等至少一门主流编程语言
熟悉 SFT、DPO、GRPO、RLHF 等主流后训练方法，能够结合业务场景说明不同方法的适用边界
熟练应用 LoRA、QLoRA、分布式训练、混合精度、Checkpoint 管理等训练工程方法，具备训练任务执行与实验分析经验
具备训练数据构建能力，能够完成指令数据、偏好数据、拒答数据或评测回流数据的整理、清洗、标注与质量控制
具备较强的业务理解能力、逻辑分析能力和跨团队协作能力，能够持续推动模型效果优化与业务落地
工作职责
后训练方案设计与优化：结合业务目标、数据特点和模型现状，制定后训练优化方案，选择合适的训练策略并完成效果验证
训练工程与实验执行：负责训练任务的工程化执行与过程管理，完成数据准备、训练配置、实验运行、效果对比和结果分析，支撑模型版本迭代
业务数据构建与质量控制：围绕具体业务场景，完成指令数据、偏好数据、拒答数据、评测回流数据等训练数据的采集、清洗、去重、分层、标注与质量控制
效果评估与持续迭代：结合离线评测、人工评审、线上实验、badcase 分析和业务反馈，系统评估训练收益，定位效果退化、覆盖不足等问题，并推动优化迭代
跨团队协同与落地推进：协同产品、运营、数据、工程等团队成员，完成需求澄清、数据对接、训练评估与上线支持，推动模型能力在业务场景中的落地应用
优先资格
加分项：具备垂直业务场景大模型后训练、评测与持续优化的完整实践经验，能够围绕业务目标形成训练-评测-迭代闭环
AI 洞察
优缺点分析
优点
- 技术前沿，涉及大模型后训练等热门领域，技能积累价值高
- 业务场景丰富，直接面向淘宝核心业务，影响力大
- 平台资源丰富，数据、算力、团队支持到位
- 技术要求高，需掌握多种后训练方法并灵活应用
- 跨团队协作多，对沟通和业务理解能力要求高
- 适合对技术有热情、具备扎实算法基础，并希望在业务场景中实现技术价值的求职者
缺点 / 挑战
- 业务压力大，需要持续迭代优化模型效果，工作节奏可能较快
角色解读
- 在技术深度上，可向大模型训练与优化专家方向发展，精通各类后训练算法
- 在业务广度上，可深入理解电商业务，成为连接技术与业务的复合型人才
- 在团队管理上，可逐步带领团队，负责更大范围的模型优化与业务落地
- 设计和优化后训练方案，结合业务目标与数据特点，制定训练策略并验证效果
- 负责训练任务的工程化执行，包括数据准备、训练配置、实验运行与结果分析
- 构建并控制训练数据质量，涵盖指令、偏好、拒答等数据的采集、清洗与标注
- 协同产品、运营、数据、工程团队，推动模型能力在淘宝业务场景中的落地应用
- 扎实的机器学习与软件工程基础，精通Python或Java等编程语言
- 熟悉SFT、DPO、GRPO、RLHF等主流后训练方法及其适用边界
- 掌握LoRA、QLoRA、分布式训练、混合精度等训练工程技巧
- 具备训练数据构建、清洗、标注与质量控制的能力
申请策略
- 关注阿里巴巴淘天集团的技术博客和招聘动态，了解团队技术方向
- 准备时，可结合淘宝业务场景思考模型优化的具体案例
- 突出大模型后训练项目经验，特别是SFT、DPO等方法的实际应用
- 强调训练数据构建与质量控制的完整流程，展示数据敏感度
- 展示跨团队协作和业务落地的成功案例，体现业务理解能力
- 如有垂直业务场景的完整闭环经验，务必重点描述
- 深入理解不同后训练方法的原理与适用场景，并动手实践
- 熟悉分布式训练框架，如DeepSpeed、Megatron等
面试指南
- 采用STAR法则，结构化描述项目背景、任务、行动和结果
- 强调技术决策的思考过程，以及如何权衡效果与成本
- 结合具体业务场景，展示技术如何服务于业务目标
- 请详细说明你如何设计一个后训练方案，并如何评估其效果？
- 在训练数据构建中，如何处理数据偏差和噪声？
- 如何选择SFT、DPO、GRPO等不同后训练方法？
- 请描述一次你通过后训练优化模型并推动业务落地的经历
- 如何与产品、运营等非技术团队有效协作？
职位点评
薪资福利70
成长发展90
工作生活40
使命价值75
薪资福利
70中等
该职位未明确薪资范围，但作为阿里巴巴核心业务部门的技术岗，通常提供具有竞争力的薪酬和福利。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
90较高
该职位技术要求高，涉及前沿的后训练方法，且业务场景明确，有助于技术深度和业务理解的双重成长。
技术前沿前沿/新兴技术
技术栈SFT、DPO、GRPO、RLHF、LoRA、QLoRA、分布式训练
业务类型profit_center
工作生活
40较低
职位描述未提及工作模式，但作为阿里巴巴核心业务部门，工作节奏可能较快，WLB 可能一般。
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
75中等
该职位直接服务于淘宝业务，对电商生态有较大影响，但社会价值相对中性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs