阿里巴巴
晓天衡宇-行业数据专家-coding方向
晓天衡宇-行业数据专家-coding方向
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Agent架构
Llm
大模型训练
数据质量管理
算法协作
值不值得投
82综合评分
综合评分 82
阿里核心AI团队高阶专家岗，前沿技术栈与数据基建主导权突出，WLB待确认
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
8.8万
比数据工程中位数高
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 3790 个在招 · 其中数据工程 67 个
市场机会
选择面较广
杭州 · 数据工程 · 约 100 个在招
职位详情
关于这个职位
负责阿里晓天衡宇团队Coding领域的数据专家工作，深度参与大语言模型与Agent数据生产全生命周期
主导设计自动化数据流水线架构，搭建多维度数据评估体系与质检逻辑，并通过数据分析反哺模型迭代，持续提升数据产能与质量
最低要求
计算机类相关专业博士毕业
具备5年以上行业相关经验，3年以上AI数据工程、大模型算法或数据产品相关经验
拥有深厚的行业Know-how与高质量数据资产沉淀经验，主导过行业级数据飞轮构建或现象级AI数据产品落地者优先
对大语言模型（LLM）的预训练、SFT、RLHF/RLAIF等全链路有较深理解
熟悉Agent核心架构（任务规划、工具调用、多Agent协同、长期记忆等）
能够结合专业领域，基于真实的工作环境，构建合理设计并主导基于LLM/Agent的下一代自动化数据生产管线（Data Pipeline）架构，找到具备可交互性、高可信度的数据生产方式
具备行业顶级的数据审美与质量把控能力，能够独立主导构建多维度、高复杂度的数据评估Rubric与人工质检逻辑
具备极强的跨团队技术赋能与标准输出能力
工作职责
coding领域知识&Agent驱动的数据产线赋能，深度参与coding领域数据生产全生命周期，作为领域专家完成任务定义、分类体系搭建及试生产验证
与产线算法配合，设计并开发基coding/Agent的数据生产管线，提升数据生产产能
主导作业专家/人员培训规范的设计、人工质检的逻辑设计，构建多维度评估Rubric
将业务需求、领域模型能力迭代需求持续转译，变成可提前储备的数据生产需求
通过实验设计与数据分析，量化数据质量、提升产能，反哺合成策略与产线流程的持续迭代
优先资格
拥有深厚的行业Know-how与高质量数据资产沉淀经验，主导过行业级数据飞轮构建或现象级AI数据产品落地者优先
AI 洞察
优缺点分析
优点
- 背靠阿里核心AI团队，接触最前沿的大模型与Agent技术栈
- 主导数据飞轮构建，对模型迭代有直接且深远的影响力
- 平台资源雄厚，具备完善的跨部门协作与技术赋能机制
- 数据生产管线架构设计复杂度高，需兼顾可交互性与高可信度
- 数据质量量化与Rubric构建要求极高的专业审美与抽象能力
- 适合具备深厚AI数据工程背景、追求技术前沿突破且擅长跨团队协同的高阶技术人才
缺点 / 挑战
- 博士学历与高阶经验匹配度高，职业天花板较高
- 跨团队协同与标准输出压力大，需频繁对齐业务与算法侧需求
角色解读
- 可向首席数据科学家或AI数据架构师方向发展，主导公司级数据战略
- 深入AI底层技术栈，转型为大模型算法负责人或技术总监
- 积累行业Know-how后，可拓展至AI数据商业化或产品管理方向
- 主导LLM与Agent领域的数据生产流水线设计与开发，提升数据产能
- 搭建多维度数据评估Rubric与人工质检逻辑，保障数据质量
- 通过实验设计与数据分析，量化数据指标并反哺模型迭代策略
- 跨团队协作，将业务需求与模型能力转化为可执行的数据生产方案
- 精通LLM预训练、SFT、RLHF/RLAIF全链路算法原理
- 熟练掌握Agent核心架构（任务规划、工具调用、多Agent协同等）
- 具备大型数据流水线（Data Pipeline）架构设计与自动化生产能力
- 拥有极强的数据质量把控能力与跨团队技术赋能经验
申请策略
- 重点关注阿里晓天衡宇团队的最新业务方向与技术博客
- 准备1-2个完整的数据飞轮构建或AI数据产品落地案例以备面试
- 突出主导过的AI数据流水线架构设计与产能提升具体成果
- 详细列举在LLM预训练/SFT/RLHF环节的数据处理经验与指标优化
- 强调数据评估Rubric构建及人工质检逻辑设计的实战案例
- 展示跨团队技术赋能与标准输出的成功案例
- 深化对Agent多智能体协同与长期记忆机制的理解
- 强化数据流水线自动化调度与性能优化技能
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化阐述项目背景与个人贡献
- 聚焦“问题定义-方案设计-实验验证-数据反馈-迭代优化”的闭环逻辑
- 结合具体技术指标（如数据覆盖率、噪声率、模型增益）量化成果
- 请分享你主导过的一个AI数据生产管线架构，如何平衡产能与质量？
- 针对LLM的RLHF/RLAIF环节，你是如何设计数据评估Rubric的？
- 当业务需求与模型迭代需求冲突时，你如何通过数据手段进行转译与解决？
- 如何量化数据质量并反哺合成策略？请举例说明
- 复习大模型训练全链路数据流，重点梳理预处理、合成、标注、评估各环节
职位点评
薪资福利85
成长发展92
工作生活65
使命价值78
薪资福利
85较高
阿里作为头部互联网企业，虽JD未明确薪资，但高阶专家岗通常提供极具竞争力的薪酬包与完善福利。
薪资信号未披露（AI估算：6.5千–11.0万/月）
成长发展
92较高
岗位深度绑定LLM与Agent前沿技术，提供主导数据飞轮构建与行业标准制定的广阔空间。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RLHF、SFT、Data Pipeline
业务类型profit_center
工作生活
65中等
JD未明确办公模式与工时安排，大厂核心研发岗通常节奏较快，但依托成熟体系仍有一定弹性。
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
78中等
处于AI大模型高速发展赛道，通过构建高质量数据资产直接推动技术演进，具有显著的行业价值。
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