Alibaba logo
阿里巴巴
研究型实习生-大模型强化学习基础设施研发实习生(Code Agent / RL Infra)

研究型实习生-大模型强化学习基础设施研发实习生(Code Agent / RL Infra)

发布于 2 小时前

实习/见习

AI 估算 · 6.0千–1.0万 · AI 参考估算
无经验要求
学历未注明
实习生仅现场办公AI算法
AI算法
Agent Runtime
Code Agent
Rdma
Rl Infra
分布式系统
大模型
强化学习
自动化评测
资源调度

值不值得投

72综合评分

综合评分 72

前沿大模型 RL Infra 实习,技术成长强,薪资与 WLB 信息未披露。

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

8.0千

与AI算法中位数基本持平

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 5110 个在招 · 其中AI算法 96 个

市场机会

选择面较广

北京 · AI算法 · 约 240 个在招

职位详情

关于这个职位

这是一个面向大模型强化学习与 Code Agent 的基础设施研发实习岗位,主要参与后训练平台、Rollout/Reward/Training 流程、资源调度、高性能通信与评测系统建设

你将与算法团队合作,优化大规模训练推理协同、轨迹数据管理和实验验证效率,适合对 RL Infra 和分布式系统有浓厚兴趣的同学

最低要求

计算机、软件工程、人工智能等相关专业在读

有一定的系统工程能力,有规模化系统编程经验
对网络、RDMA 协议有了解
深入理解分布式系统的工作原理
对大模型训练/推理/后训练任务有深入的了解

工作职责

参与面向大语言模型强化学习与 Code Agent 的后训练平台研发,支持 Rollout、Reward、Training 和 Teacher 推理等核心流程,协助构建高效、可扩展的训练与推理协同架构

参与任务编排、弹性资源调度与异步流水线开发,优化样本生成、模型训练和环境交互之间的数据流与执行流程,支持长程任务与多任务混训,提升系统吞吐和 GPU 资源利用率
参与高性能通信、存储与轨迹数据管理组件建设,支持大规模样本生成、轨迹采集和高速数据交换,完善策略版本记录、训练 mask 与数据组批机制,降低长上下文场景下的数据处理和内存开销
参与白盒 Agent Runtime、沙箱环境与自动化评测系统建设,支持代码执行、工具调用和多轮交互
协助开发代码测试、规则检查等可验证奖励,完善真实工程任务的环境复现、轨迹重放与失败分析流程
与算法团队合作,参与强化学习的接入与实验验证,通过性能分析、监控和自动化回归,持续优化训练效率、系统稳定性与可观测性,提升算法实验和迭代效率

AI 洞察

优缺点分析

优点

  • 岗位贴近大模型强化学习和 Code Agent 前沿方向,能接触后训练平台、Agent Runtime、沙箱评测等高价值基础设施
  • 工作内容覆盖分布式系统、高性能网络、资源调度和训练推理协同,技术深度和系统性较强
  • 与算法团队合作参与实验验证,有机会理解算法需求如何转化为底层系统能力
  • 北京/杭州均有研发资源,适合希望进入大模型基础设施领域的在校生积累实战经验
  • 技术栈跨度大,既要懂大模型训练推理,也要掌握分布式系统、网络和高性能通信,学习曲线较陡
  • JD 未说明具体办公模式、实习周期和转正机制,投递前需要进一步确认
  • 适合计算机、软件工程、人工智能相关专业在读,具备系统编程、分布式系统或大模型训练推理经验,并希望深入 RL Infra 与 Code Agent 基础设施的实习生

缺点 / 挑战

  • 实习岗位需要快速融入复杂工程体系,对代码质量、问题定位和协作效率要求较高

角色解读

  • 短期可以从基础设施模块开发入手,逐步掌握 RL 后训练平台、Agent Runtime、评测系统和资源调度链路
  • 中期可向 RL Infra 工程师、大模型训练平台工程师或分布式系统工程师方向发展,承担更核心的架构与性能优化工作
  • 长期可发展为大模型基础设施技术专家,连接算法、系统和工程平台,参与大规模训练与智能体系统的技术演进
  • 参与大模型强化学习和 Code Agent 后训练平台研发,围绕 Rollout、Reward、Training、Teacher 推理等流程搭建训练与推理协同架构
  • 参与任务编排、弹性资源调度和异步流水线开发,优化样本生成、模型训练与环境交互之间的数据流,提高吞吐和 GPU 利用率
  • 参与高性能通信、存储和轨迹数据管理组件建设,支持大规模样本生成、轨迹采集、策略版本记录和长上下文数据处理
  • 参与 Agent Runtime、沙箱环境和自动化评测系统建设,支持代码执行、工具调用、多轮交互、轨迹重放和失败分析
  • 需要具备扎实的系统工程和规模化系统编程能力,能够参与复杂基础设施组件的设计、开发与调试
  • 需要理解分布式系统原理,并了解网络、RDMA 协议、高性能通信和存储相关机制
  • 需要对大模型训练、推理和后训练任务有深入理解,理解强化学习训练链路中的样本生成、奖励计算和训练协同
  • 需要具备性能分析、监控、自动化回归和问题定位能力,能够围绕系统吞吐、稳定性和可观测性持续优化

申请策略

  • 投递时建议明确说明可实习时间、所在城市偏好,以及是否具备北京或杭州到岗条件
  • 面试前可关注阿里巴巴在大模型、Agent、AI 基础设施方面的公开技术分享,准备将自身项目与岗位需求建立关联
  • 突出与分布式系统、高性能网络、RDMA、资源调度、异步流水线相关的项目经历,说明自己承担的具体模块和性能收益
  • 强调大模型训练、推理、后训练或强化学习相关实践,例如训练框架使用、推理优化、样本生成、评测流程或 Agent 环境搭建
  • 展示系统编程能力,重点写清使用语言、工程规模、并发处理、性能优化、监控和故障排查经验
  • 如果有开源贡献、科研论文、竞赛或复杂工程项目,建议补充可量化结果,如吞吐提升、延迟降低、资源利用率改善
  • 提前复习分布式系统核心概念,包括任务调度、一致性、容错、异步流水线和可观测性设计
  • 补充大模型训练推理链路知识,理解 Rollout、Reward、Training、Teacher 推理、轨迹数据和后训练流程

面试指南

  • 项目类问题采用“背景—目标—架构—我的职责—关键难点—量化结果—复盘”的结构回答,重点突出系统设计和问题解决能力
  • 技术原理类问题先讲清基本概念,再结合大模型训练推理或强化学习场景说明应用价值,最后补充自己了解的限制条件
  • 设计类问题从需求拆解入手,依次讨论数据流、调度策略、通信存储、容错监控和性能瓶颈,体现系统化思维
  • 请介绍一个你参与过的分布式系统或大规模系统编程项目,你负责了哪些模块,遇到了哪些性能或稳定性问题?
  • 你如何理解大模型强化学习后训练中的 Rollout、Reward、Training 和 Teacher 推理流程?
  • RDMA 的基本原理是什么?在大规模训练或数据交换场景中它能解决什么问题?
  • 如果要设计一个支持长程任务和多种任务混训的异步流水线,你会如何考虑任务编排、资源调度和数据流?
  • 在 Agent Runtime 或沙箱环境中,如何支持代码执行、工具调用、轨迹重放和失败分析?

职位点评

薪资福利62
成长发展92
工作生活45
使命价值78

薪资福利

62中等

JD 未披露薪资和福利信息,因此补偿性动机只能基于岗位层级和城市作有限判断。作为技术实习岗,薪资吸引力无法从原文确认。

薪资信号未披露(AI估算:6.0千–1.0万/月)

成长发展

92较高

岗位直接参与大模型强化学习、Code Agent、后训练平台和 RL Infra 建设,技术方向前沿且系统复杂度高。JD 明确涉及训练推理协同、资源调度、高性能通信、Agent Runtime 和自动化评测,成长信号强。

技术前沿前沿/新兴技术
技术栈大语言模型、强化学习、Code Agent、后训练平台、Rollout、Reward、Training、Teacher 推理、任务编排、弹性资源调度、异步流水线、RDMA、Agent Runtime、沙箱环境、自动化评测
业务类型ambiguous

工作生活

45较低

JD 明确给出北京/杭州地点,但未说明远程、弹性办公、双休或加班情况。生活化动机相关信息不足,无法判断 WLB 与办公灵活性。

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

78中等

岗位服务于大模型强化学习与 Code Agent 基础设施建设,属于 AI 前沿方向,技术探索价值较高。JD 未直接描述社会使命或公共价值导向,意义感主要来自技术前沿和工程创新。

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
Watch Jobs