阿里巴巴
日常实习生-Agent数据方向-Qwen基础模型
日常实习生-Agent数据方向-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
Benchmark建设
Prompt工程
大模型评测
数据分析
数据处理
值不值得投
80综合评分
综合评分 80
顶尖大厂核心AI岗、前沿技术栈、高成长潜力，适合以职业发展为核心诉求的求职者
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
1.0千
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 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基础模型团队的日常实习生，你将参与构建Agent及大模型的评测体系与数据生产流程
主要工作包括跟踪前沿动态、设计Benchmark任务、分析用户反馈数据，并与算法团队紧密协作，通过数据驱动优化模型能力
最低要求
硕士及以上学历
具备良好的沟通协同能力，有课程项目、科研经历、实习经历或竞赛经历者优先
工作职责
跟踪海内外模型、评测及数据厂商的前沿动态，参与建设覆盖代码、办公、专业软件及垂直行业的评测体系，识别模型与 Agent 能力短板
参与真实场景 Benchmark 建设与数据生产，协同领域专家、标注团队及供应商，完成需求拆解、任务设计、评分规范制定与质量验收
分析用户数据、任务轨迹与反馈，挖掘问题与机会，设计实验方案、验证假设并分析结果，形成可执行的优化建议
与算法优化同学紧密协作，将评测洞察转化为数据建设与 Agent 优化方向，通过回归评测验证效果，持续迭代评测体系与数据
优先资格
具备数据处理、数据分析、Benchmark 建设、标注管理或相关项目经验者优先
具备较强的理解能力与问题拆解能力，能够将业务场景或需求转化为可执行的任务定义或评测思路者优先
熟悉常见 AI 工具，了解大模型研发基本流程
对 Agent、评测分析或数据驱动优化有一定理解者优先
AI 洞察
优缺点分析
优点
- 接触业界顶尖的Qwen大模型项目，积累高价值的AI评测与数据经验，简历含金量高
- 工作内容涉及大量细节化的数据标注管理与协调，需具备极强的耐心和多线程处理能力
- 计算机、统计学相关专业硕士，对AI落地应用感兴趣，且具备良好沟通能力的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI算法工程师、AI产品经理或数据科学家方向发展，深入理解模型训练与优化的闭环逻辑
- 负责设计和维护大语言模型及Agent的评测基准（Benchmark），确保模型能力的准确评估
- 需要掌握数据分析方法，理解大模型基本原理，具备将复杂业务需求转化为具体评测任务的能力
申请策略
- 在面试中展示你对‘如何评价一个Agent好坏’的思考，体现结构化思维
- 突出任何与LLM、NLP相关的课程项目、论文或竞赛经历，强调数据处理和分析的具体成果
- 提前了解主流LLM评测集（如C-Eval, MMLU）的结构，学习Python数据分析库（Pandas等）
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述过往项目
- 对于开放性问题，先定义边界，再列举关键指标，最后说明验证方法
- 你如何理解大模型评测中的‘幻觉’问题？
- 请描述一个你曾经处理过的复杂数据集清洗或分析案例
- 如果让你设计一个针对代码生成Agent的评测集，你会包含哪些维度？
- 复习大模型基础知识，阅读Qwen官方文档或相关技术报告，准备1-2个体现数据敏感度的案例
职位点评
薪资福利75
成长发展95
工作生活60
使命价值85
薪资福利
75中等
大厂实习津贴通常高于市场平均水平，但实习期较短，长期薪资稳定性无法体现。
薪资信号未披露（AI估算：0.3–0.4千/月）
成长发展
95较高
直接参与核心基础模型团队，能接触到最前沿的AI技术和数据 pipeline，成长空间极大。
技术前沿前沿/新兴技术
技术栈Agent、大模型、Benchmark、数据驱动优化
业务类型profit_center
工作生活
60中等
互联网大厂节奏较快，但实习岗位相对正式员工压力稍小，具体WLB取决于导师风格。
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
致力于提升国产大模型能力，推动AI技术进步，具有显著的行业价值和技术使命感。
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