Alibaba logo
阿里巴巴
千问事业部-健康个人助理大模型算法专家-杭州

千问事业部-健康个人助理大模型算法专家-杭州

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 6.0–11.0万 · AI 参考估算
高级经验
硕士
全职员工仅现场办公AI算法
AI算法
Agent系统
Pytorch
Rlhf
个性化建模
分布式训练
大模型
强化学习

值不值得投

80综合评分

综合评分 80

前沿健康大模型算法专家岗位,技术成长和社会价值突出,工作节奏与办公模式需进一步确认。

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

8.5万

比AI算法中位数高

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 5250 个在招 · 其中AI算法 约 120 个

市场机会

选择面较广

杭州 · AI算法 · 约 130 个在招

职位详情

关于这个职位

该岗位聚焦健康个人助理大模型算法,核心是构建长期记忆、多模态健康序列建模、强化学习与主动式健康 Agent

你将参与从前沿研究、评测体系到落地应用的完整闭环,面向减重、慢病管理、睡眠改善等长期健康任务设计下一代个性化智能服务

最低要求

计算机、人工智能、数学、统计等相关专业硕士及以上学历,有大模型算法研发经验

熟悉大模型后训练,在 SFT、DPO、RLHF、PPO、GRPO、RLVR 中至少一项有深入实践,熟悉 PyTorch 和大规模分布式训练
在 LLM 记忆与个性化、序列与行为建模、强化学习、Agent 系统、时序基础模型中至少一个方向有扎实经验
有研究品味和动手能力,能提出假设、设计实验、搭建评测,并从坏例中快速定位根因
对健康场景有好奇心,重视隐私、安全和真实用户价值

工作职责

负责为每个用户构建持续演化的个人健康世界模型,探索参数化记忆与外部记忆的混合架构、离线记忆巩固、主动遗忘与冲突消解,以及 Memory-as-Action(模型自主决定何时写、写什么、何时忘),让记忆可解释、可编辑、可由用户掌控

负责把对话、可穿戴时序信号(心率、HRV、睡眠、活动)和使用行为统一到多模态序列模型中,预测健康走向、依从性和需求时机,探索反事实推理与个体数字孪生
负责面向用户长期健康收益的强化学习,研究跨会话信用分配、离线 RL 与在线探索结合、基于用户模拟器的 Self-play、过程奖励与 Rubric 奖励,在医疗安全约束下对抗 Reward Hacking,让模型学会何时主动介入、何时保持安静
主导主动式健康 Agent 的研发,覆盖减重、慢病管理、睡眠改善等长程任务,具备规划、工具调用、断点恢复和自我反思能力
构建自我进化闭环:自动挖掘失败、合成数据与训练环境、迭代 Skill 与策略,在医学审核关口下探索递归自我改进
设计新一代评测范式,覆盖长期记忆一致性、个性化深度、主动服务价值与打扰成本、多次运行稳定性(pass^k)及真实健康结局,并与医学、产品、工程团队一起推动研究落地

优先资格

有以下经历者优先:在 NeurIPS、ICML、ICLR、ACL、KDD 等会议发表过相关论文或有高影响力开源项目

研究过长期记忆、持续学习或测试时学习
做过离线 RL、长期收益优化或用户模拟器
有可穿戴时序、因果推断、数字孪生或自我改进系统相关经验

AI 洞察

优缺点分析

优点

  • 覆盖长期记忆、多模态时序、用户模拟器和自我进化闭环,能积累完整的健康 AI 算法体系经验
  • 与医学、产品、工程团队协同,有机会把前沿研究转化为真实用户可感知的健康服务
  • 健康个人助理场景具备长期想象空间,适合希望做高影响力 AI 应用的算法人才
  • 技术跨度大,需要同时理解大模型后训练、强化学习、Agent、时序建模和健康场景约束
  • 健康场景对隐私、安全和医学审核要求高,模型创新需要在严格边界内推进
  • 长期收益优化和主动服务评测难度高,真实健康结局与用户打扰成本之间需要细致权衡
  • 适合有大模型后训练、强化学习或 Agent 研究背景,同时愿意深入健康场景并重视真实用户价值的算法专家
  • 尤其适合既能做前沿研究、又能动手搭实验和评测体系的人

缺点 / 挑战

  • 岗位处于大模型、Agent、强化学习和健康个性化交叉前沿,技术问题具有较高研究价值

角色解读

  • 可沿着大模型算法专家方向深入,成长为长期记忆、个性化 Agent、强化学习或健康多模态建模领域的资深专家
  • 可转向技术负责人或研究负责人角色,主导健康大模型方向的技术路线、评测标准和跨团队研究落地
  • 未来也可拓展到 AI 健康产品架构、数字孪生、主动式智能助理或医疗健康 AI 平台化方向
  • 构建用户长期健康记忆系统,研究参数化记忆、外部记忆、主动遗忘、冲突消解和 Memory-as-Action,让健康助理能持续理解每个用户
  • 将对话、可穿戴时序信号和使用行为统一建模,预测健康趋势、依从性和服务时机,并探索反事实推理与个体数字孪生
  • 研发面向长期健康收益的强化学习和主动式健康 Agent,让模型在医疗安全约束下判断何时介入、何时保持安静
  • 设计长期记忆一致性、个性化深度、打扰成本、pass^k 稳定性和真实健康结局等评测体系,并推动研究与产品工程落地
  • 需要具备大模型算法研发能力,熟悉 SFT、DPO、RLHF、PPO、GRPO、RLVR 等后训练方法之一或多个方向
  • 需要掌握 PyTorch 和大规模分布式训练,能够独立设计实验、搭建评测并从失败案例中定位根因
  • 需要在 LLM 记忆与个性化、序列与行为建模、强化学习、Agent 系统或时序基础模型中至少具备扎实经验
  • 需要理解健康场景中的隐私、安全和用户价值,并能与医学、产品、工程团队协作推进研究落地

申请策略

  • 申请时建议明确表达你对健康场景的兴趣,以及对隐私、安全、医学审核和用户打扰成本的重视
  • 面试前可了解千问事业部和大模型健康助理相关产品方向,准备如何平衡模型主动性与用户体验的观点
  • 突出大模型后训练项目经历,明确写清使用过 SFT、DPO、RLHF、PPO、GRPO 或 RLVR 中的哪些方法,以及取得的评测提升
  • 重点展示与岗位匹配的研究方向,如长期记忆、个性化建模、Agent 规划与工具调用、离线 RL、用户模拟器或时序基础模型
  • 强调工程能力,包括 PyTorch、大规模分布式训练、实验平台搭建、评测体系设计和坏例定位能力
  • 如有论文、开源项目、健康/可穿戴/因果推断/数字孪生相关经验,应单独列出并说明技术贡献
  • 可提前梳理 LLM 长期记忆、Memory-as-Action、持续学习和测试时学习的最新论文与方法,形成自己的技术判断
  • 可补充强化学习在长期收益优化、离线 RL、Self-play、过程奖励和 Reward Hacking 防控方面的实战案例

面试指南

  • 技术问题采用“问题定义—方案设计—实验验证—失败分析—迭代优化”的结构回答,突出研究品味和动手能力
  • 系统设计题先明确约束条件,包括隐私、安全、医学审核、用户体验和长期收益,再给出架构、评测和上线闭环
  • 项目经历使用 STAR 框架,重点说明个人贡献、关键指标提升、失败案例和复盘结论
  • 如何设计一个可持续演化的用户健康记忆系统?参数化记忆和外部记忆应如何分工?
  • 在健康 Agent 中,如何判断模型应该主动介入还是保持安静?如何量化打扰成本?
  • 请介绍你做过的大模型后训练方法,例如 SFT、DPO、RLHF、PPO、GRPO 或 RLVR,并说明关键实验结论
  • 面对可穿戴时序信号和对话文本,你会如何设计多模态序列模型来预测健康走向或依从性?
  • 在强化学习训练中如何避免 Reward Hacking,尤其是在医疗安全和长期健康收益约束下?

职位点评

薪资福利82
成长发展92
工作生活55
使命价值88

薪资福利

82较高

JD未披露薪资与福利信息,但岗位为大模型算法专家,技术门槛较高,通常对补偿性动机有一定吸引力。具体薪资竞争力需与招聘方确认。

薪资信号未披露(AI估算:6.0千–11.0万/月)

成长发展

92较高

岗位覆盖大模型后训练、长期记忆、强化学习、Agent、多模态时序和自我进化闭环,技术前沿且研究空间大。JD还强调实验设计、评测体系和跨团队落地,对算法研究能力成长非常有利。

技术前沿前沿/新兴技术
技术栈大模型、SFT、DPO、RLHF、PPO、GRPO、RLVR、PyTorch、大规模分布式训练、LLM记忆、多模态序列模型、强化学习、Agent系统、时序基础模型、数字孪生、因果推断
业务类型profit_center

工作生活

55较低

JD仅明确地点为杭州,未提及远程、弹性、双休或加班信息,因此生活化动机满足程度无法充分判断。岗位研发与跨团队落地复杂度较高,但具体工作节奏需面试确认。

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

88较高

岗位面向长期健康收益,覆盖减重、慢病管理、睡眠改善等场景,并强调真实健康结局、隐私安全和用户掌控,社会价值较明确。健康助理与医学审核结合,也体现出较强的应用使命感。

行业发展新兴领域(暂难判断)
社会影响正向社会影响力较高
使命信号用户长期健康收益、真实健康结局、医学审核关口、隐私、安全和真实用户价值、可由用户掌控
创新程度开拓性创新(行业首创)
Watch Jobs