阿里巴巴
Token Foundry-基础大模型 Post-Training 算法专家-杭州/北京
Token Foundry-基础大模型 Post-Training 算法专家-杭州/北京
发布于 3 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
Agentic Rl
Dpo
Grpo
Ppo
Pytorch
Reward Model
Rlhf
Sft
分布式训练
值不值得投
薪资怎么样
6.5万
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 3950 个在招 · 其中机器学习工程 约 220 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 310 个在招
职位详情
关于这个职位
你将加入阿里巴巴基础大模型团队，负责大模型 Post-Training 全链路算法建设，涵盖 SFT、RLHF、RLVR（PPO/DPO/GRPO）各阶段的策略设计与调优，并主导 Reward Model 与多元 Reward System 的设计迭代
同时需要设计高质量训练数据的采集、清洗与配比方法论，参与模型合版，探索 Agentic RL、多模态对齐等前沿方向，把研究成果直接应用到基座大模型与 APP 对话助手产品中
最低要求
计算机科学、人工智能、数学等相关专业硕士及以上学历，1 年以上 NLP / LLM 领域一线研发经验
对大模型 Post-Training 阶段有全局视角的理解，曾作为核心骨干完整参与过百亿/千亿级别模型的 SFT 与 RLHF 迭代过程
熟练掌握主流对齐算法（SFT、DPO、GRPO、PPO 等）及其底层数学逻辑
有 Reward Model 训练和评估经验，了解偏好学习的常见方法和挑战
对高质量数据有极高的敏锐度，能通过实验快速验证数据配比对模型能力的影响并总结为方法论
熟练掌握 PyTorch，有大规模分布式训练经验，熟悉主流训练与推理框架，能快速定位并解决大规模训练中的工程问题
对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先
关注领域前沿，有 NeurIPS / ICML / ICLR / ACL / CVPR 等顶会论文发表者优先
工作职责
负责大模型 Post-Training 全链路算法建设，覆盖 Pre-SFT、SFT、RLHF、RLVR（PPO / DPO / GRPO 等）各阶段的算法调优与策略设计，提升模型在指令遵循、工具调用、安全合规、多轮交互、long horizon task 等核心维度的综合能力
负责 Reward Model 的设计、训练与迭代优化，构建 Verifier、LLM as Judge、Rule 等多元 Reward System，优化多维度（安全性、准确性、有用性、逻辑性、拟人度等）的偏好数据采集策略与训练方案
设计高质量 SFT / RL 数据采集、清洗与标注方案，建立数据质量评估标准
通过实验驱动数据配比方法论，探索高质量数据合成、Agentic RL 等前沿方法，持续提升数据质量与多样性
参与模型合版工作，包括数据配比策略、多任务训练优化、灾难性遗忘缓解等核心技术，确保各业务线智能体能力与基座模型的高效融合
分析线上 Badcase，将 RL 信号融入模型训练全流程
探索 LLM 及 VLM 场景下的 Post-Training 方案，解决跨模态对齐与幻觉问题
跟踪 Agentic RL 等前沿研究进展，推动技术创新在基座大模型及 APP 对话助手产品中的落地
优先资格
对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先
关注领域前沿，有 NeurIPS / ICML / ICLR / ACL / CVPR 等顶会论文发表者优先
AI 洞察
优缺点分析
优点
暂无明确优点
缺点 / 挑战
暂无明显挑战项
角色解读
- 处于大模型最核心的技术环节之一，后训练直接决定模型效果，工作价值可被清晰度量
- 技术栈前沿，覆盖 RLHF/RLVR、Agentic RL、多模态对齐等当前最热方向，技能保值性强
- 研究成果可落地到基座大模型和面向海量用户的对话产品，技术到产品的链路短
- 杭州、北京双城可选，团队与算力资源相对充足，利于做大规模实验
- 训练实验周期长、试错成本高，需要承受大量实验失败与反复调参的心理压力
- 同时要求算法理解与工程落地能力，分布式训练相关问题排查往往耗时且琐碎
- 岗位要求曾作为核心骨干参与百亿/千亿级模型迭代，实际门槛高于 JD 上写的年限
- 适合有扎实强化学习/对齐算法背景、参与过大规模模型训练、并享受在不确定中靠实验推进问题的算法工程师
- 纵向可向大模型后训练方向的技术专家/技术负责人发展，主导更大参数规模模型的训练策略与团队技术方向
- 横向可延展到多模态（VLM）对齐、Agent 智能体、强化学习基础设施等相邻方向，技术面持续拓宽
- 研究成果有机会以顶会论文、开源项目形式沉淀，形成个人在业内的技术影响力
- 负责大模型后训练全链路（Pre-SFT、SFT、RLHF、RLVR）的算法设计与调优，直接决定模型在指令遵循、工具调用、安全性等方面的表现
申请策略
暂无内容
面试指南
暂无内容
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs