阿里巴巴
千问事业部-大模型训练专家-强化学习方向
千问事业部-大模型训练专家-强化学习方向
发布于 3 天前普通员工/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
Agent训练
Megatron
Ppo
Vllm
分布式计算
大模型训练
强化学习
深度学习
算法优化
值不值得投
77综合评分
综合评分 77
前沿AI技术专家岗位，技术成长空间大，但WLB可能一般。
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。
薪资怎么样
4万
与机器学习工程中位数基本持平
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 2860 个在招 · 其中机器学习工程 约 170 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 260 个在招
职位详情
关于这个职位
负责千卡以上大规模混合模态大模型强化学习训练框架的建设，通过调研和实现业界先进的强化学习方法，提升模型性能和训练效率
同时，打通复杂工具调用场景的高性能推理与Agent训练系统，增强千问模型在阿里生态工具中的任务解决能力
最低要求
年及以上大模型训练工程经验，有扎实的深度学习算法基础，精通各类大模型常用训练框架，熟练掌握各种编译、调试、性能分析工具
熟悉强化学习算法PPO、DPO、GRPO、DAPO等以及相应的高效工程实现，有大模型强化学习工程支持经验和效果优化经验
精通ray分布式计算框架开发实现，掌握一种或多种分布式训练框架（verl、slime、areal、openRLHF、roll）详细系统实现，并具备二次开发能力
熟练掌握开源大模型训练框架（megatron、fsdp）、推理框架（vllm、sglang），具备大模型训练、推理性能分析和优化能力
有大规模强化学习算法和工程结合的训练效率优化经验（尤其是agentic训练），或大规模分布式强化学习系统开发应用经验者优先
工作职责
负责千卡以上大规模混合模态大模型强化学习训练框架建设，调研和实现业界先进的强化学习方法，并探索算法工程结合的训练方法创新设计，实现模型性能和训练效率的双提升
打通复杂工具调用场景的高性能推理与Agent训练系统，攻克长程数据训练中的训练效率、训推一致性等难点，显著提升千问模型基于多种阿里生态工具（如闪购、飞猪等）的用户真实任务解决率
参与奖励系统、工具系统交互的设计与研发，打造高效率的可持续扩展架构
并通过线上链路的联合设计保障模型训练效果的对齐，保障模型在事实性、复杂任务规划解决等方面的能力提点可以落地千问App
优先资格
有强化学习算法调优经验者优先
有强化学习方向顶会论文经验者优先
如果有训练引擎、推理引擎开发经验优先
AI 洞察
优缺点分析
优点
- 参与前沿的大模型强化学习技术，技术积累深厚
- 依托阿里巴巴生态，有丰富的应用场景和资源
- 专家级岗位，薪资待遇和职业发展空间较好
- 技术难度高，需要持续学习新技术
- 工作强度可能较大，项目周期紧
- 竞争激烈，需应对快速迭代的行业环境
缺点 / 挑战
- 适合具有扎实算法基础、喜欢挑战复杂技术问题、追求技术深度的AI工程师
角色解读
- 成为大模型训练领域的资深专家
- 转向技术管理或架构师角色
- 参与前沿AI研究，推动行业技术发展
- 负责大规模混合模态大模型的强化学习训练框架设计与实现
- 优化训练效率和模型性能，探索算法工程结合的创新方法
- 打通工具调用场景的推理与Agent训练系统，提升实际任务解决率
- 扎实的深度学习和强化学习算法基础
- 精通分布式训练框架如Ray、Megatron等
- 熟悉大模型训练和推理框架，具备性能分析优化能力
申请策略
- 研究千问模型和阿里生态工具，了解业务场景
- 准备面试时展示对技术细节的理解和解决实际问题的能力
- 突出大模型训练和强化学习项目经验
- 展示分布式计算框架的开发和优化能力
- 列举相关论文或技术成果
- 深入学习最新的强化学习算法如GRPO、DAPO
- 实践分布式训练框架的二次开发
- 关注大模型训练效率优化的前沿方法
面试指南
- 使用STAR法则描述项目经历
- 结合具体技术点阐述解决方案
- 展示对性能优化和系统设计的思考
- 请介绍你过去在大规模模型训练中遇到的挑战及解决方案
- 如何设计强化学习训练框架以提升训练效率？
- 你对分布式训练框架Ray的理解和使用经验？
- 如何确保训推一致性？
- 复习强化学习和分布式计算的核心概念
职位点评
薪资福利80
成长发展90
工作生活50
使命价值85
薪资福利
80较高
该职位薪资水平较高，但未明确福利细节。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
职位涉及前沿AI技术，提供技能成长和职业发展机会。
技术前沿前沿/新兴技术
技术栈强化学习、大模型训练、分布式计算、Ray、Megatron
业务类型ambiguous
工作生活
50较低
未提及办公模式，可能工作强度较高。
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
参与大模型技术，有行业影响力和社会价值。
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