
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
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
阿里巴巴 的其他在招职位
相似职位推荐
Sr. Researcher, Model & Agent Evolution
联想 · 北京市
AI 估算 · 6.0–10.0万1 小时前发布
Advisory Researcher, Omni & Multimodal Interaction Researcher
联想 · 北京市
AI 估算 · 3.5–6.5万1 小时前发布
AI互连通信资深研究员
联想 · 北京市
AI 估算 · 4.5–7.5万1 小时前发布
Sr. Researcher, Omni & Multimodal Interaction Researcher
联想 · 北京市
AI 估算 · 6.0–10.0万1 小时前发布
Senior Engineer, On-Device Agentic OS
联想 · 北京市
AI 估算 · 4.5–7.5万1 小时前发布
AI Agent 工程师(Agent Harness 方向)
美团 · 上海市
AI 估算 · 3.0–5.5万1 小时前发布
大模型/Agent算法工程师
美团 · 北京市
AI 估算 · 3.5–6.5万1 小时前发布
大模型调度引擎与平台研发工程师-【可灵AI】
快手 · 北京市
AI 估算 · 3.5–6.5万1 小时前发布
Watch Jobs