阿里巴巴
Token Foundry-大模型Post-training算法研究员-Qwen
Token Foundry-大模型Post-training算法研究员-Qwen
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AI药物设计
AI药物设计
Large Language Models (Llm)
Post-Training
Pytorch
Reasoning
Reinforcement Learning (Rl)
Reward Model
值不值得投
87综合评分
综合评分 87
顶尖大厂核心AI算法岗，薪资极高、技术最前沿、学术氛围浓，但工作强度可能较大
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
参考估算薪资
根据职位描述推断，供对比参考
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 4290 个在招 · 其中AI药物设计 3 个
市场机会
选择不多
杭州 · AI药物设计 · 5 个在招
职位详情
关于这个职位
加入阿里通义实验室Qwen团队，专注于大语言模型的Post-training（后训练）算法研究
主要工作包括探索可扩展的Verifier信号、优化Reward Model、研究推理路径压缩以及提升Agent能力，旨在打造具备深度思考和真实世界任务解决能力的全球领先全模态模型
最低要求
计算机、机器学习等方向相关专业，博士及硕士优先
具有 post-training 或强化学习相关方向经验
精通 Python 以及 Pytorch 等深度学习框架，具有较强的代码工程能力
工作职责
探索更多可 scalable 的 verifier 信号，并通过 RL 提升模型的各项能力
提升 reward model 在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias
研究 reasoning path压缩和外推，实现更高质量的推理思考
将LLM的推理能力和Agent以及其他模态相结合，探索统一模态的reasoning
优先资格
熟悉LLM推理引擎（如vLLM，SGLang）的实现
曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等
拥有知名开源项目，在开源社区具有较好的影响力
AI 洞察
优缺点分析
优点
- 身处行业最前沿的大模型赛道，接触海量数据和顶级算力
- 平台资源雄厚，学术氛围浓厚，易于产出顶会论文
- 对理论基础和工程落地能力要求极高，需持续跟进最新Paper并复现创新
- 热爱科研、具备扎实数学和编程基础的博士或优秀硕士，追求技术极致且抗压能力强的人才
缺点 / 挑战
- 技术迭代极快，竞争压力大
角色解读
- 成为AI基础模型领域的专家研究员，向首席科学家或技术负责人方向发展，或在AI Agent、多模态领域取得突破性成果
- 负责大语言模型的后训练阶段算法研究，包括RL（强化学习）、SFT（监督微调）和RFT（奖励微调）
- 精通Python和PyTorch，深入理解强化学习原理，具备LLM推理引擎（如vLLM）的使用或开发经验
申请策略
- 准备详细的技术方案阐述，展示对Post-training痛点的深刻理解
- 关注阿里通义实验室的最新动态和技术博客
- 突出RLHF、SFT、Reward Modeling等相关项目经历
- 强调顶会论文发表记录和开源社区贡献
- 深入研读最新的RL for LLM论文（如DPO, PPO, GRPO等）
- 熟悉主流LLM训练框架和推理加速技术
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目
- 结合理论推导与实验数据
- 展示对技术细节的掌控力
- 请详细介绍你过往在RLHF或SFT方面的具体工作和成果
- 如何设计Reward Model以减少Reward Hacking？
- 解释一下PPO和DPO的区别及其优缺点
- 如何在大规模集群上高效训练LLM？
- 复习强化学习经典算法
职位点评
薪资福利95
成长发展98
工作生活60
使命价值85
薪资福利
95较高
作为已上市的巨头企业核心研发岗，提供极具竞争力的薪酬包、股票期权及完善的福利体系，远超市场平均水平。
薪资信号偏高 (6.0千–12.0万/月)
成长发展
98较高
处于AI技术爆发的前沿阵地，接触最顶级的算力和数据资源，学术导向明确，晋升通道清晰，个人成长空间极大。
技术前沿前沿/新兴技术
技术栈Post-training、RL、SFT、RFT、LLM、vLLM、SGLang、PyTorch
业务类型profit_center
工作生活
60中等
互联网大厂核心研发部门通常工作节奏较快，虽可能有弹性工作制，但高强度脑力劳动和项目交付压力客观存在。
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
85较高
致力于打造服务于人类的AI模型，推动通用人工智能的发展，具有强烈的技术使命感和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号本着为人类服务的目标、让大模型服务于真实世界的任务
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs