阿里巴巴
日常实习生-大模型后训练(Reasoning & STEM)-Qwen基础模型
日常实习生-大模型后训练(Reasoning & STEM)-Qwen基础模型
发布于 2 小时前实习/见习
实习生仅现场办公AI算法
AI算法
Pytorch
大模型训练
强化学习 (Rl)
数学建模
数据合成
算法设计
值不值得投
70综合评分
综合评分 70
顶尖大厂核心AI实习岗，技术前沿、成长极快，但工作强度大，适合学霸型技术人才。
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，方便比较实习机会。
薪资怎么样
5.0千
比AI算法中位数低
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 4960 个在招 · 其中AI算法 70 个
市场机会
选择面较广
杭州 · AI算法 · 80 个在招
职位详情
关于这个职位
作为Qwen基础模型团队的大模型后训练实习生，你将专注于提升模型的STEM学科推理能力
主要工作包括构建数学、物理等高质量数据，设计开放式问题的验证体系，以及优化从SFT到RL的全链路训练流程，解决长程推理中的过程监督难题
最低要求
具备扎实的数理功底与敏锐的数据直觉，对大模型推理能力的演进路线有深刻理解
熟练掌握常见的数据构造策略与RL算法，具备从算法设计、代码实现到模型落地的完整经验
对基础模型的前沿问题抱有持续热情，具备独立思考能力与系统性研究思维，敢于挑战现有范式
能够独立运用技术解决复杂问题
工作职责
推理难题与数据构建：聚焦数学、物理、化学、生物等STEM学科，攻克前沿科研级的推理难题
针对模型薄弱环节，自主设计数据合成与反向构造管线，构建覆盖严密证明、多步计算与代码实现的高质量数据集
开放式推理与工具协同：针对演绎证明、建模近似、方案设计与多解法等无单一标准答案的开放式问题，建立科学的评分准则与验证体系
同时，训练模型按需调用代码沙盒与计算工具，并将推理能力泛化迁移至办公、搜索等多轮交互场景，解决长程任务的上下文管理与跨Harness的能力一致性问题
全链路训练与验证：从Mid-training、SFT、RL的全局视角出发，探索推理能力的全链路增强
优化跨阶段数据配比，解决推理格式对齐与强化探索之间的协同问题
通过研发高精度Verifier与奖励模型，攻克长链路推理中的“过程监督”与“结果等价性判定”难题
优先资格
主导或深度参与过有影响力项目者优先
拥有高水平理工科竞赛背景（如数学/物理奥赛、ACM/ICPC等），或深度参与过知名开源/闭源推理模型研发、高难度科学Benchmark构建者优先
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型推理技术，参与核心基础模型研发，简历含金量极高，能积累高难度的科研/工程项目经验
- 理工科背景深厚、热爱AI前沿研究、具备极强逻辑思维能力和编程实力的在校生
缺点 / 挑战
- 技术门槛极高，要求极强的数理背景和算法理解力，工作强度大，需应对快速迭代的科研压力
角色解读
- 深入掌握大模型后训练核心技术，成为AI推理领域的专家，未来可向高级算法研究员或AI架构师方向发展
- 负责构建高质量的STEM学科（数理化生）推理数据集，通过数据合成和反向构造提升模型在复杂逻辑任务上的表现
- 需要扎实的数理基础，精通强化学习（RL）算法和数据构造策略，具备从算法设计到模型落地的工程实现能力
申请策略
- 准备展示你对‘过程监督’和‘推理链’技术的独特理解，面试中可能涉及复杂的数学或算法题
- 突出数学/物理竞赛奖项、ACM/ICPC成绩，详细列出参与的LLM训练项目，特别是涉及RL、数据工程和推理优化的具体贡献
- 复习强化学习理论（如PPO、DPO），熟悉主流LLM训练框架（如DeepSpeed, Megatron），加强数学推导和代码实现能力
面试指南
- 使用STAR法则描述项目经历，重点突出你在其中的技术决策和创新点
- 对于开放性问题，展示批判性思维和系统性分析能力
- 请解释一下你在项目中使用的RL算法原理及其优缺点
- 如何构建高质量的STEM推理数据集？遇到数据噪声如何处理？
- 如何看待当前大模型在长程推理中的局限性？你有什么改进思路？
- 请手写一段用于验证数学证明的代码或伪代码
- 重温强化学习经典论文，梳理自己做过的项目细节，准备一些关于LLM推理前沿技术的见解
职位点评
薪资福利70
成长发展95
工作生活40
使命价值85
薪资福利
70中等
大厂实习津贴通常高于市场平均水平，且提供完善的福利体系，但实习岗本质仍是短期体验，长期稳定性不如正式员工。
薪资信号未披露（AI估算：4.0–6.0千/月）
成长发展
95较高
极佳的成长机会，直接接触Qwen核心模型训练，技术栈前沿（RL、STEM推理），导师和资源顶级，对个人技术能力提升巨大。
技术前沿前沿/新兴技术
技术栈大模型、RL、STEM、数据合成、SFT、Verifier
业务类型profit_center
工作生活
40较低
互联网大厂核心研发部门通常工作节奏快、压力大，虽未明确提及加班，但高强度研发环境暗示WLB一般。
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
致力于提升AI推理能力，解决复杂科学问题，具有极高的技术挑战性和行业影响力，符合追求技术突破的动机。
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）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs