阿里巴巴
Token Foundry-Cowork Agent算法专家-Qwen基础模型训练
Token Foundry-Cowork Agent算法专家-Qwen基础模型训练
发布于 大约 10 小时前普通员工/个人贡献者
人工智能
Pytorch
分布式训练
多模态大模型
大语言模型
强化学习
数据工程
模型训练
深度学习
AI 估算 · 50k–80k
职位详情
关于这个职位
该职位是阿里巴巴Qwen基础模型团队的核心算法岗位，专注于构建和优化Cowork Agent，推动大模型在金融、法律、医疗等高价值行业场景中的实际应用
你将参与从数据设计、奖励系统到大规模强化学习的全链路研发，挑战模型能力边界
适合对前沿AI技术有强烈热情、具备顶尖研究背景的博士或硕士毕业生
最低要求
来自全球Top高校计算机科学、人工智能、机器学习、深度学习、软件工程或相关领域应届博士/顶尖硕士毕业生
在大语言模型或多模态大模型领域有扎实的理论基础和实践经验，在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等至少一个领域中具有行业影响力的创新性成果
在国际顶级计算机会议/期刊以一作身份发表过多篇高水平论文，或在开源社区、竞赛中展示出引领性的研究成果
具备扎实的代码功底，熟悉主流深度学习框架，能够高效实现复杂模型结构并进行大规模模型训练（曾参与千卡集群项目者优先）
ACM/ICPC，topcoder等编程比赛获奖者优先
对AI技术充满好奇心，持续关注前沿领域，具备独立思考能力和系统性研究思维，敢于挑战现有范式，有志于定义下一代基础模型的进化方向
能够独立应用技术解决复杂问题，主导或深度参与过有行业有影响力项目的人选优先
具备优秀的跨团队协作和沟通能力，能够与工程、产品等团队紧密合作，推动研究成果快速落地并产生实际影响力
工作职责
Envs/Harness Building & Generalization：复现并维护高可靠性主流Harness环境，提升模型在不同Harness场景下的泛化能力
同步探索Qwen Frontier Harness设计，探索Loop Engineering、Multi-Agent 与 Auto-Harness，与算法/数据链路 codesign 实现更好效果
Data Design & Scaling：挖掘金融、量化、法律、医疗、设计、数据分析、工业、工程等场景下的高价值数据和workflow，探索数据Pattern演化，User-Centric Data优化，General Long-Horizon Data Pipeline构建
在CPT/SFT/RL端到端验证配比/学习策略，优化模型端到端长程的行业Agent解决方案
Agentic Rewarding System：构建面向真实Agentic任务的General Verifier，设计Evolving Rubrics、Code Verifier、实现Outcome & Process Level 数据监督与自动化Rewarding，User model Rewarding
Real World RL：基于现实环境、现实任务的大规模Agentic RL训练，探索CPT->RL的端到端Scaling Law，Multi-step Rewarding Shaping，Agentic Behavior Learning
AI 洞察
优缺点分析
优点
- 阿里巴巴顶级平台，资源丰富，数据海量，能接触真实业务场景
- 薪资待遇优厚，福利完善，有股票激励
- 与顶尖人才共事，快速提升研究和技术能力
- 工作强度大，可能面临高压和长时间工作
- 技术难度高，需要持续学习和创新，竞争激烈
- 跨团队协作复杂，需要较强的沟通和项目管理能力
缺点 / 挑战
- Qwen模型团队处于行业前沿，技术挑战大，成长空间广阔
- 适合对AI研究有强烈热情、具备顶尖学术背景和工程能力，渴望在工业界前沿挑战中实现价值的博士或硕士毕业生
角色解读
- 在阿里巴巴核心AI团队，可成长为技术专家或研究负责人，引领大模型前沿研究
- 有机会参与Qwen等顶级开源模型的研发，提升行业影响力
- 未来可向AI领域技术总监或首席科学家方向发展，或转向创业
- 构建和维护Agent训练环境（Harness），提升模型在真实任务中的泛化能力
- 设计高价值数据流水线，挖掘金融、法律等领域的行业数据，优化模型训练数据配比
- 开发Agentic奖励系统，设计验证器和自动化奖励机制，用于强化学习训练
- 主导大规模Agentic强化学习训练，探索端到端Scaling Law，提升模型在复杂任务中的表现
- 扎实的深度学习理论基础，熟悉大模型训练和优化算法
- 精通Python和主流深度学习框架（如PyTorch），具备大规模分布式训练经验
- 有顶级会议论文或开源项目成果，证明研究创新能力
- 熟悉强化学习、Agent、数据工程等领域，具备跨团队协作能力
申请策略
- 关注阿里巴巴AI团队的招聘动态，了解Qwen模型的发展方向
- 在简历中明确表达对Agent和基础模型研究的热情，展示独立思考能力
- 突出顶级会议论文（一作）和开源项目贡献，展示研究深度
- 强调大规模模型训练经验，特别是千卡集群项目
- 展示编程竞赛获奖（如ACM）和扎实的代码能力
- 描述参与过的有行业影响力的项目，突出实际成果
- 深入理解强化学习（RLHF、PPO等）和Agent相关技术
- 熟悉分布式训练框架（如Megatron、DeepSpeed）和优化技巧
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验问题
- 对于技术设计问题，先阐述核心思路，再分步骤说明，最后总结优缺点
- 强调创新性和实际影响，结合具体数据和案例
- 请介绍你在大模型训练方面的项目经验，如何优化训练效率？
- 如何设计一个奖励模型来评估Agent在真实任务中的表现？
- 你如何看待Agentic RL的挑战和未来方向？
- 请描述一次你主导的研究项目，如何解决技术难题？
- 如何与工程团队协作，将研究成果落地到实际产品？
职位点评
79
综合评分
顶级AI研究岗位，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
适合追求技术前沿、渴望在AI领域做出突破性贡献，且能承受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85
成长发展95
工作生活40
使命价值90
薪资福利
85较高
阿里巴巴作为上市巨头，提供具有竞争力的薪资和福利，但具体薪资未披露，可能面议。
薪资信号未披露（AI估算：50K-80K/月）
成长发展
95较高
该职位处于AI前沿，涉及大模型训练、强化学习等尖端技术，提供巨大的成长空间和行业影响力。
技术前沿前沿/新兴技术
技术栈大语言模型、多模态大模型、强化学习、Agent、分布式训练、PyTorch
业务类型profit_center
工作生活
40较低
工作地点在北京/杭州/上海，但未明确工作模式，可能为现场办公，且大厂研发岗位通常工作强度较大。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
90较高
该职位致力于推动大模型在真实世界复杂任务中的应用，具有较高的社会价值和行业前景。
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