阿里巴巴
日常实习生-大模型后训练/Agentic算法（行为风控方向）
日常实习生-大模型后训练/Agentic算法（行为风控方向）
发布于 大约 2 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Pytorch
Rlhf
大模型
强化学习
数据挖掘
行为风控
值不值得投
64综合评分
综合评分 64
前沿技术、高成长性，但实习强度可能较大。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
1K
比人工智能中位数低
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 2040 个在招 · 其中人工智能 约 150 个
市场机会
选择面较广
北京 · 人工智能 · 约 150 个在招
职位详情
关于这个职位
这是一个面向行为风控场景的大模型后训练与Agentic算法实习岗位，你将参与反爬、作弊、欺诈、账号安全等核心风控业务，探索下一代智能风控基座
工作内容包括数据体系建设、强化学习方案设计、Agent训练环境构建以及前沿技术探索，适合对大模型、强化学习、Agent方向有浓厚兴趣的硕士研究生
最低要求
硕士研究生及以上在读，计算机、人工智能、软件工程、信息安全、统计、数学等相关专业
具备大模型、强化学习、Agent相关科研、项目或实习经验，复合能力较强者优先
了解业务风控相关场景者优先，包括作弊、欺诈、账号安全、恶意行为等
有日志、行为序列、图数据处理经验者优先
具备扎实的编程基础，熟练掌握 Python，熟悉 PyTorch 等深度学习框架
具备良好的分析问题和动手能力，能够在指导下将业务问题抽象为可实验、可建模的技术问题
具备良好的沟通能力和团队合作意识，能够与算法、工程、策略等团队高效协作
工作职责
参与行为域数据体系建设：面向行为风控场景中的结构化、序列化、图表化等数据，参与数据处理、任务构建和评测方案设计
探索面向结构化数据的大模型后训练方法，参与行为特色"世界模型"的研究与验证
参与强化学习方案设计：围绕行为风控中的复杂任务，参与Reward System、RL后训练、复杂决策、自我博弈等方向的研究与实验
协助推进全链路情报分析与风险决策能力的建模和优化
参与Agent训练环境和方案构建：面向行为分析、识别、挖掘、链路还原、路径推演等场景，参与可扩展Agent训练环境的设计、搭建与迭代
支持复杂任务下Agent能力评测、训练数据构造和效果分析
参与技术探索与效果分析：跟进大模型后训练、RLHF、Agent、世界模型等方向的前沿研究
结合业务场景，参与实验设计、结果分析和方案迭代，推动研究成果向真实业务问题靠近
AI 洞察
优缺点分析
优点
- 接触大模型后训练、RLHF、Agent等前沿技术，技术成长快
- 业务场景复杂且真实，能锻炼解决实际问题的能力
- 阿里巴巴平台资源丰富，团队协作氛围好
- 对复合能力要求高，需要同时掌握算法、工程和业务知识
- 实习岗位，工作强度可能较大，需要投入较多时间
- 适合对大模型、强化学习、Agent方向有浓厚兴趣，且具备较强动手能力的硕士研究生
缺点 / 挑战
- 业务对抗性强，需要不断适应动态变化的风险场景
角色解读
- 在实习期间积累大模型后训练与Agentic算法的实战经验，为转正或进入其他大厂打下基础
- 深入理解行为风控业务，成为兼具算法与业务理解的复合型人才
- 未来可向高级算法工程师、技术专家或技术管理方向发展
- 参与行为风控场景的数据体系建设，处理结构化、序列化数据，设计评测方案
- 参与强化学习方案设计，研究Reward System、RL后训练、自我博弈等方向
- 构建和迭代Agent训练环境，支持行为分析、识别、挖掘等场景
- 跟进大模型后训练、RLHF、Agent等前沿技术，进行实验设计与效果分析
- 扎实的Python编程基础，熟悉PyTorch等深度学习框架
- 具备大模型、强化学习、Agent相关的科研或项目经验
- 了解业务风控场景，有日志、行为序列、图数据处理经验者优先
- 良好的分析问题和动手能力，能将业务问题抽象为技术问题
申请策略
- 在简历中明确标注实习时间，展示对岗位的诚意
- 关注阿里巴巴的招聘动态，了解团队研究方向
- 突出大模型、强化学习或Agent相关的科研项目经历，展示具体成果
- 强调Python和PyTorch的熟练程度，以及数据处理经验
- 如有风控相关项目，务必重点描述，体现业务理解能力
- 提前学习RLHF、PPO等强化学习算法，并动手实现小项目
- 熟悉Agent训练框架，如LangChain、AutoGPT等
- 了解行为风控的基本概念，如反爬、欺诈检测等
面试指南
- 使用STAR法则回答项目经验，强调你的贡献与成果
- 对于算法设计问题，先阐述思路，再结合具体场景分析
- 展示对前沿技术的关注，并联系实际业务
- 请介绍一个你参与过的大模型或强化学习项目
- 如何设计一个针对行为风控场景的Reward System？
- 你对RLHF的理解是什么？在项目中如何应用？
- 如何处理大规模行为序列数据？
- 如何将业务问题抽象为技术问题？
职位点评
薪资福利60
成长发展90
工作生活40
使命价值70
薪资福利
60中等
实习岗位薪资为市场水准，但阿里巴巴平台提供较好的福利与稳定性。
薪资信号未披露（AI估算：0K-0K/月）
成长发展
90较高
该岗位聚焦大模型后训练、RLHF、Agent等前沿技术，提供丰富的学习与成长机会。
技术前沿前沿/新兴技术
技术栈大模型、强化学习、Agent、RLHF、PyTorch
业务类型profit_center
工作生活
40较低
实习岗位通常需要现场办公，工作强度可能较大，但阿里巴巴提供相对灵活的工作环境。
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
70中等
该岗位涉及风控业务，对维护网络安全和用户权益有积极意义。
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