阿里巴巴
数据技术及产品部-大模型评测算法-CUA方向
数据技术及产品部-大模型评测算法-CUA方向
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
Gui
Pytorch
Rl
Sft
大模型
强化学习
值不值得投
80综合评分
综合评分 80
大模型Agent前沿算法岗，技术天花板极高、薪资竞争力强，但工作强度与挑战较大。
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
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 2920 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 250 个在招
职位详情
关于这个职位
面向“电脑操作智能体”大模型Agent，独立负责其能力提升的完整闭环
设计评测任务与评分体系，定位模型失败模式，对标业界benchmark并维护内部测试集
针对短板设计数据合成方案，产出高质量训练数据
主导SFT/RL训练，推动“评测-数据-训练”闭环持续迭代
最低要求
硕士及以上，计算机 / AI 相关专业
年以上大模型相关研发经验，或具备高质量论文 / 开源成果（不唯年限，重在深度）
熟悉 Agent 训练、工具调用（tool use / function calling）、多模态（尤其视觉 - GUI 理解与 grounding），了解强化学习与奖励建模
熟悉主流 Computer-Use / GUI Agent benchmark（OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro 等）及其执行式评测方法与局限
熟悉浏览器自动化（Playwright / Selenium）、虚拟化 / 容器化环境（Docker、虚拟机、Android 模拟器等），能支撑真实环境的评测与合成
扎实的 Python / PyTorch 工程能力，熟悉分布式训练与大规模可复现实验管线
能独立定义评测方案、拆解短板并推动“评测—数据—训练”闭环落地，具备跨团队协作与技术引领能力
工作职责
设计 CUA 评测任务与轨迹级评分体系（GUI grounding、任务规划、多步操作、长程任务成功率等），定位模型失败模式（误点击、幻觉操作、状态误判、循环卡死等）
对标并扩展业界 benchmark：OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro等，并维护内部私有测试集防污染
针对短板设计操作轨迹合成、环境（沙箱 OS / 浏览器 / 移动端 / 专业软件）合成、拒绝采样等方案，产出高质量训练数据
主导 SFT / RL 训练消化数据，用评测复测验证短板是否被优化，推动闭环持续迭代
优先资格
有 GUI / Computer-Use Agent 的评测、数据合成或训练闭环经验
参与过相关 benchmark 建设
相关顶会论文或有影响力的开源项目
AI 洞察
优缺点分析
优点
- 处于大模型Agent与GUI操作的最前沿领域，技术壁垒高，极具行业稀缺性
- 依托丰富的业务场景与算力资源，能接触大规模真实数据与复杂任务，产出成果易形成行业影响力
- 完整的“评测-数据-训练”闭环设计，能全面锻炼算法工程师的系统性思维与工程落地能力
- 适合对大模型Agent、多模态及强化学习有浓厚兴趣，具备扎实工程能力与独立闭环落地经验的算法工程师
缺点 / 挑战
- 大模型Agent领域发展极快，需持续跟进最新论文与开源进展，技术迭代与学习压力较大
- 评测体系设计与数据合成极具挑战，需解决幻觉操作、状态误判等复杂的长尾问题，调优周期可能较长
角色解读
- 可向大模型Agent方向资深算法专家发展，成为该细分领域的技术领军人物
- 未来可转型为AI产品技术负责人，引领下一代智能体技术的落地与商业化应用
- 负责电脑操作智能体（CUA）大模型Agent的能力评测与提升闭环，设计评测任务与轨迹级评分体系
- 针对模型在GUI操作中的失败模式（如幻觉、循环卡死），设计数据合成方案并产出高质量训练数据
- 主导SFT/RL训练消化数据，通过评测复测验证优化效果，推动技术闭环持续迭代
- 精通Python/PyTorch及分布式训练，具备扎实的大规模可复现实验管线工程能力
- 熟悉Agent训练、工具调用、多模态视觉理解及强化学习与奖励建模
- 掌握主流GUI Agent benchmark及浏览器/虚拟化环境自动化技术，能独立拆解短板并落地闭环
申请策略
- 了解公司在通义千问及Agent方向的最新布局，准备关于模型失败模式的深入思考与解决方案
- 突出在Agent训练、多模态理解或强化学习方面的核心项目经验与量化成果
- 展示参与过的benchmark建设、顶会论文或高质量开源项目，证明技术深度
- 强调“评测-数据-训练”闭环落地的实际案例，体现独立拆解短板与跨团队协作能力
- 深入学习OSWorld、WebArena等主流GUI Agent benchmark的评测方法与局限性
- 熟悉Playwright/Selenium及Docker等环境自动化与容器化技术，补充强化学习实战经验
面试指南
- 采用STAR法则：情境（任务背景）-> 任务（面临的挑战/目标）-> 行动（具体设计的评测/数据/训练方案）-> 结果（模型指标提升/业务收益）
- 如何设计针对长程任务的轨迹级评分体系？
- 针对模型在GUI操作中的幻觉或循环卡死问题，你会如何设计数据合成方案？
- SFT与RL在Agent训练中的侧重点有何不同？如何结合使用？
- 请分享一个你主导的从评测发现问题到训练解决问题的完整闭环案例
- 复习主流GUI Agent benchmark的评测方法与局限性，准备对业界前沿方案的对比分析
- 准备1-2个自己主导的复杂算法闭环落地项目，重点突出拆解短板和跨团队协作的能力
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
该职位为大模型核心算法方向，薪资竞争力强，但JD未披露具体薪资与福利细节，需结合面试定级综合判断。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
处于大模型Agent最前沿领域，技术挑战大，成长空间极高，能接触业界顶尖benchmark与大规模训练。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Agent、SFT、RL、GUI、多模态、Docker、Playwright
业务类型ambiguous
工作生活
50较低
JD未提及任何工作模式与加班相关信息，WLB情况无法明确判断，建议投递或面试时与HR确认。
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
推动下一代电脑操作智能体发展，具有极高的技术探索价值与行业引领意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs