阿里巴巴
阿里控股-AI 算法工程师-杭州
阿里控股-AI 算法工程师-杭州
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人工智能
人工智能
Llm
Prompt Engineering
Pytorch
Reward Model
Rlhf
值不值得投
80综合评分
综合评分 80
聚焦大模型与Agent前沿技术，薪酬竞争力强，技术成长空间巨大，但研发节奏较快。
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
5.5万
比人工智能中位数高
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 3810 个在招 · 其中人工智能 约 390 个
市场机会
选择面较广
杭州 · 人工智能 · 约 460 个在招
职位详情
关于这个职位
该职位专注于大语言模型与智能体框架的核心算法研发，负责实现检索、代码验证等AI自主决策功能
同时设计专家评估机制与奖励模型，并搭建内部评测体系以精准量化模型效果与人类判断的一致性
最低要求
扎实的 LLM 知识：Transformer、预训练/SFT/RLHF、DPO、GRPO/PPO、Reward Model，熟练 PyTorch，熟悉 HuggingFace、vLLM / SGLang 等推理框架
Prompt 与 Agent 应用开发经验：多步推理、Tool-use、Self-consistency、Reflection、多 Agent 协作、LLM-as-Judge 的偏差校正（位置偏差、长度偏差、自我偏好）
有 RLVR / 可验证奖励训练经验，了解 Reward Hacking 的典型模式及防御
工作职责
提升产线效率：基于Agent框架实现检索、事实核查、代码运行验证、自动补全、错误提示等AI自主执行和决策功能
提升标注/RL环境质量：专家能力评估与任务匹配（专家Profile建模），以及Reward / Verifier 设计
评测体系：构建内部 Benchmark，衡量 Agent 辅助效果、质检模型的准确率/召回率、Reward 与人类判断的一致性
AI 洞察
优缺点分析
优点
- 聚焦大模型与Agent前沿技术栈，技术壁垒高且成长空间大
- 依托阿里集团庞大业务场景，数据与算力资源丰富
- 团队技术氛围浓厚，利于积累顶尖AI项目经验
- 算法迭代极快，需持续跟进最新论文与开源社区动态
- RLHF/RLVR训练成本高，调试难度大且对硬件资源依赖强
- 适合具备扎实深度学习基础、热衷大模型底层原理研究、抗压能力强且追求技术深度的求职者
缺点 / 挑战
- 大厂内部竞争激烈，绩效压力较大
角色解读
- 可向大模型算法专家、AI系统架构师或技术负责人方向发展
- 深入探索AGI前沿技术，主导核心业务线的智能化升级
- 负责大模型与智能体（Agent）核心算法的研发与调优
- 设计专家评估机制与奖励模型（Reward/Verifier）以提升RL训练质量
- 搭建内部评测基准（Benchmark）量化模型性能
- 精通Transformer架构与大模型训练流程（SFT/RLHF/DPO等）
- 熟练掌握PyTorch及主流推理框架（vLLM等）
- 具备Prompt工程、多Agent协作及可验证奖励训练（RLVR）实战经验
申请策略
- 提前梳理个人在LLM微调或Agent开发中的难点突破过程
- 关注阿里达摩院或通义实验室的最新技术方向，展现技术前瞻性
- 突出大模型训练（SFT/RLHF/DPO）具体项目经验，量化模型效果提升指标
- 详细列出Agent框架开发、工具调用（Tool-use）及多步推理的实战案例
- 强化PyTorch底层优化与分布式训练技巧
- 深入研究vLLM/SGLang等推理加速框架
- 补充强化学习理论及Reward Modeling相关知识
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答项目经历
- 针对技术问题，先阐述理论基础，再结合具体代码/实验数据说明优化路径，最后总结通用方法论
- 请详细介绍你参与过的LLM微调或RLHF项目，遇到的最大挑战及解决方案？
- 如何设计Reward Model以避免Reward Hacking？
- 在实际应用中如何解决Agent的多步推理幻觉或工具调用失败问题？
- 复习Transformer核心机制及各类对齐算法（PPO/DPO/GRPO）的数学推导
- 准备1-2个完整的模型训练或Agent落地案例，重点说明数据构建、超参调优及效果评估细节
- 了解当前大模型评测基准（如C-Eval, MMLU）的设计逻辑
职位点评
薪资福利85
成长发展92
工作生活55
使命价值78
薪资福利
85较高
该岗位属于高阶AI算法研发方向，结合杭州地区同类技术岗位市场行情，薪酬包通常具备较强竞争力，整体补偿性动机满足度较高。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
92较高
岗位深度绑定大模型与Agent前沿技术，涉及RLHF、RLVR等高阶训练范式，技术天花板极高，能极大促进算法工程师的专业成长。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RLHF、DPO、GRPO/PPO、PyTorch、vLLM
业务类型cost_center
工作生活
55较低
JD未明确提及办公灵活性与工时安排，但大模型算法研发涉及高频迭代与复杂调试，实际工作中可能面临较高的研发节奏与交付压力，WLB表现取决于具体团队管理风格。
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
致力于通过Agent与高质量RL环境推动AI自主决策能力提升，对探索AGI边界及赋能产业智能化具有显著的正向价值。
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