阿里巴巴
数据技术及产品部-RL Data工程师-Work方向
数据技术及产品部-RL Data工程师-Work方向
发布于 大约 7 小时前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
学历未注明
机器学习工程
Llm
Llm-As-Judge
Rft
Rl
Rubric
数据工程
数据标注
AI 估算 · 30k–50k
阿里AI数据岗位，技术含量高，杭州互联网薪资较高，岗位关键，通常15个月左右。
职位详情
关于这个职位
作为阿里巴巴集团数据技术及产品部的RL Data工程师，你将负责从0到1构建Work（AI协同办公）方向的RL/RFT训练数据体系
工作内容包括领域体系设计、数据构造、质量验证和闭环迭代，是模型训练飞轮中的关键角色
适合具备领域认知、RL数据sense和Python能力的候选人
最低要求
领域深度：在至少一个专业领域有系统性认知，能基于专业判断对 Agent 输出做准确的对错裁定，而不仅凭"看起来合理"
同时具备跨领域快速上手的能力
RL/RFT 数据 sense：熟悉 RFT 和 RL 对数据质量的要求，理解 reasoning 字段在 SFT / RFT / RL 各阶段的作用差异，能筛选与构建高质量的训练数据
Taxonomy 与 instance 设计能力：能独立完成从领域拆解 → 任务类型定义 → instance 模板设计 → 种子来源确定的完整链路
Rubric 设计能力：熟悉主流 rubric 设计范式，能大批量生成高质量 rubric，并把主观评价拆解为可校验的子问题
轨迹级标注与归因能力：能判断多步执行的完整性、正确性、思维连贯性
能准确区分 bad case 是模型能力问题 / 评测标准问题 / 任务定义问题 / 依赖环境问题
轻量工程能力：熟悉 Python，能独立完成数据抓取、清洗、批量调用 LLM、结果聚合等脚本化工作
能读懂 Agent 执行日志和代码片段，判断工具调用是否冗余或有隐性副作用
具备规模化数据生产经验
工作职责
领域任务体系搭建（Taxonomy 设计）
对陌生专业领域做结构化拆解：一级领域 → 二级场景 → 任务类型 → instance 模板，产出可复用、可扩展的标注体系
Instance 与 Reasoning 构造
设计 instance 结构（instruction + context + reasoning + output），并针对不同任务选择合适的 reasoning 获取路径（强模型蒸馏、模板化拆解、真实文本抽取、人机协作等）
保证 reasoning 是 SFT/RFT 训练可直接使用的高质量推理链
分层验证方案设计
针对不同任务定义分层校验机制：规则硬匹配 → 结构完整性 → LLM-as-judge（将主观判断拆解为 yes/no 子问题）
把"评价推理质量"这类模糊问题降维为可自动化、可追溯的子任务
Rubric 与评分标准建设
制定各方向 Rubric、评分分级与标注案例库，定义黄金集（golden sets）和奖励信号（reward signals），确保训练数据质量可量化、可迭代
擅长大批量生成高质量 rubric，而不是拍脑袋写几条规则
轨迹标注与 Bad Case 归因
对模型 Rollout 产出的多步执行轨迹进行逐步标注（正确性 / 必要性 / 思考质量 / 整体 Reward），并对失败步骤做根因分类（模型能力不足 / 评测标准缺陷 / 任务定义模糊 / 运行依赖缺失），输出结构化改进清单驱动训练数据补充与评测体系修正
标注质量管控
建立双标一致性校验、金标抽检、系统性偏差检测与分歧仲裁机制，管理外部数据供应商交付质量、运营内部专家产能，确保标注间一致率 ≥80%，数据可直接用于 Reward Model 训练
外部协作与专家资源整合
与高校老师、领域专家协作定义验收标准、评审样本、迭代规范，把外部资源转化为规模化精标数据
管理供应商时能给出清晰的标注规范、边界案例和仲裁依据
数据 → 模型 → 评测 闭环
周期性输出数据质量报告，识别模型能力薄弱区间，指导算法团队调整 Rollout 抽样策略与难度分布
随模型迭代补充更高难度标注数据，保持 Reward Model 区分度
优先资格
● 有 AI 办公 / Work Agent 场景的产品或数据经验
● 有主导过领域数据集从 0 到 1 建设并支撑训练上线的经历
● 有与高校课题或领域专家合作产出精标数据集的经验
● 熟悉 LLM-as-judge、self-consistency、rejection sampling 等数据自动化验证方法
● 熟悉主流 Agent Benchmark 的评测机制
AI 洞察
优缺点分析
优点
- 处于AI前沿领域，参与构建新一代模型训练数据，技术成长快
- 阿里巴巴大平台，资源丰富，项目影响力大
- 岗位处于模型训练关键链路，职业含金量高
- 能接触不同专业领域，拓展知识广度
- 数据标注和质量管理要求高，工作细致且繁琐
- 需要持续学习新技术，保持竞争力
- 适合对AI数据有热情、具备较强工程能力和领域知识的人，能接受高强度工作
缺点 / 挑战
- 从0到1建设数据体系，挑战性大，需要独立推动
角色解读
- 可向AI数据专家或数据体系负责人发展
- 也可转型RL算法工程师，凭借数据理解优势
- 在阿里巴巴平台上有丰富的内部转岗和晋升机会
- 负责从0到1搭建RL/RFT训练数据体系，包括任务定义、数据构造和验证
- 设计领域taxonomy和instance模板，确保数据覆盖和可扩展性
- 制定Rubric和评分标准，管理标注流程并保证数据质量
- 与算法和评测团队协作，推动数据-模型-评测闭环迭代
- 深厚的RL/RFT数据理解，能筛选构建高质量训练数据
- 具备至少一个领域的专业认知，能对Agent输出做准确判断
- 熟练使用Python进行数据抓取、清洗和批量LLM调用
- 熟悉LLM-as-judge、自我一致性等数据验证方法
申请策略
- 了解阿里巴巴Work产品（如钉钉）的业务方向，结合实际场景准备
- 准备一个从0到1构建数据集的完整案例，展示全链路能力
- 突出RL/RFT或数据体系建设相关项目经验
- 展示Python脚本开发能力和LLM应用案例
- 如有Agent Benchmark或LLM-as-judge经验，务必强调
- 体现跨领域学习和快速上手能力
- 进修RLHF、RFT相关课程，深入理解训练数据需求
- 实践LLM-as-judge等数据自动化验证方法
面试指南
- 用STAR法则组织回答：背景-任务-行动-结果，重点突出决策逻辑和数据sense
- 对于技术问题，先讲原理再结合实例，展示工程落地能力
- 对于开放问题，体现结构化思维，先拆解再讲方案
- RFT和RL对训练数据质量的要求有何不同？
- 如何为一个陌生领域设计Taxonomy和Instance模板？
- 如何对Agent执行轨迹进行Bad Case归因？
- 如何保证数据标注的一致率≥80%？
- 请介绍一个你主导的数据集建设项目
职位点评
76
综合评分
阿里大厂AI数据核心岗位，前沿技术高成长，但工作强度可能较大，JD未明确WLB。
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、对AI数据有热情、能适应高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展88
工作生活55
使命价值70
薪资福利
80较高
阿里巴巴作为大厂，薪资福利有竞争力，但JD未具体披露，综合判断较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
88较高
岗位处于AI前沿，涉及RL/RFT，技术成长空间大，能积累高价值数据经验。
技术前沿前沿/新兴技术
技术栈RL、RFT、LLM、Python、Taxonomy、Rubric、LLM-as-judge、Agent
业务类型ambiguous
工作生活
55较低
仅现场办公，未提及弹性，阿里巴巴工作强度通常较高，生活平衡一般。
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
70中等
参与AI模型训练数据建设，推动AI发展，有一定意义感，但主要体现技术价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs