阿里巴巴
日常实习生-算法技术-AI助手算法工程师
日常实习生-算法技术-AI助手算法工程师
发布于 大约 15 小时前实习/见习
杭州市
无经验要求
实习生
仅现场办公
硕士
机器学习工程
Rlhf
Rlvr
Sft
多模态
大模型
强化学习
电商
预训练
AI 估算 · 0k–1k
实习生岗位，日薪300-500元，考虑大厂平台和前沿技术方向，薪资具有竞争力。
职位详情
关于这个职位
加入阿里巴巴淘天集团AI助手算法团队，你将深度参与新一代AI原生购物助手的研发，负责全链路模型训练（预训练、SFT、RLVR、RLHF），设计Agent框架，挖掘奖励信号，并探索异步实时Agent和原生多模态等前沿方向
你将获得充足的算力资源、经验丰富的师兄指导，并有机会将研究成果直接服务于数亿淘宝用户
最低要求
计算机科学、人工智能、机器学习等相关领域的硕士或博士在校生
具备较强的分析问题和解决问题的能力，逻辑思维清晰，拥有良好的自学能力
工作职责
● 全链路模型训练
○ 深度参与购物场景统一大模型的完整训练周期：预训练退火 → SFT → RLVR → RLHF
○ 你碰到的不是一个冻结的API，而是一个你可以从底层塑造的模型
● Agent框架设计——让大模型真正"能办事"
○ 设计大模型原生的Agent架构，通过Skill编排、Sub-agent协作等机制，将淘系搜索、推荐、交易、客服等全域能力注入AI助手
○ 让模型不只是"能聊"，而是"能买、能比、能帮你做决定"
● 奖励信号发现——在真实场景中定义"什么是好"
○ 基于淘天数亿用户的真实交互行为，挖掘和设计最能提升用户体验的奖励信号
○ 用RL的方式让模型在电商场景下持续逼近SOTA体验
● 无人区探索——做业界还没有答案的事
○ 异步实时Agent：用户不等你，你怎么让Agent在真实时间约束下又快又好？
○ 原生Any-to-Any多模态：文字、图片、视频、商品卡片……如何让模型原生理解和生成一切？
○ 这些方向没有教科书，我们需要你带着自己的判断力走进去
优先资格
参加ACM或同类型算法竞赛获奖者优先
AI 洞察
优缺点分析
优点
- 技术前沿：团队在RLVR、Agentic Training、多模态等方向持续投入，能接触到业界最前沿的技术
- 导师机制：配备经验丰富的师兄进行全方位指导，帮助快速成长
- 技术氛围浓厚：定期技术分享，保持对前沿技术的敏感度
- 技术难度高：涉及大模型训练、强化学习等复杂领域，需要扎实的理论基础和实战经验
- 工作强度大：作为核心团队，可能需要应对高强度的研究和开发任务
- 适合对AI大模型、强化学习、Agent系统有浓厚兴趣，具备扎实技术功底和科研能力的在校硕士或博士研究生
缺点 / 挑战
- 平台优势：阿里巴巴作为行业巨头，提供充足的算力资源和数亿级用户场景，技术挑战和影响力巨大
- 竞争激烈：阿里巴巴的实习岗位竞争激烈，对候选人的要求较高
角色解读
- 在实习期间可深度接触大模型核心技术和真实业务场景，积累宝贵的实战经验
- 表现优秀者有机会转正，进入阿里巴巴核心算法团队，参与更大规模的项目
- 未来可向大模型算法专家、AI Agent架构师或技术管理方向发展
- 深度参与大模型全链路训练，包括预训练、SFT、RLVR和RLHF，从底层塑造模型能力
- 设计并实现大模型原生的Agent架构，通过Skill编排和Sub-agent协作，将搜索、推荐、交易等能力注入AI助手
- 基于数亿用户的真实交互数据，挖掘和设计提升用户体验的奖励信号，用强化学习优化模型
- 探索异步实时Agent、原生Any-to-Any多模态等前沿方向，解决业界尚未有答案的问题
- 扎实的大模型预训练、SFT、RLHF或强化学习实战经验
- 对Agent、Tool-use、Multi-agent系统有深入理解
- 具备较强的分析问题和解决问题的能力，逻辑思维清晰，自学能力强
- 有科研成果、顶会论文或GitHub项目经验者优先
申请策略
- 在简历中清晰展示你对大模型和Agent技术的热情和深度理解
- 准备一个能体现你技术深度和解决问题能力的项目案例，在面试中详细展示
- 突出大模型预训练、SFT、RLHF或强化学习的实战项目经验，展示具体的技术细节和成果
- 强调Agent、Tool-use、Multi-agent系统的相关项目或研究经历
- 展示科研成果，如顶会论文、GitHub项目或ACM等算法竞赛获奖经历
- 体现独立思考和解决问题的能力，以及将想法落地的能力
- 深入学习强化学习算法，特别是RLHF、RLVR等前沿方向
- 动手实践Agent框架设计，熟悉LangChain、AutoGPT等开源项目
面试指南
- 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出你的技术贡献和思考过程
- 回答技术设计问题时，先明确问题定义，再分析技术选型，最后阐述具体实现方案和潜在风险
- 回答前沿技术问题时，展示你对技术趋势的理解，并结合实际场景阐述应用价值
- 请详细介绍一下你在LLM预训练或RLHF方面的项目经验，你遇到了哪些挑战？
- 如何设计一个Agent系统来解决电商场景下的复杂用户需求？
- 如何设计奖励信号来优化电商场景下的用户体验？
- 你对RLHF和RLVR的区别和联系有什么理解？
- 请谈谈你对大模型原生多模态训练的理解和看法
职位点评
75
综合评分
阿里巴巴AI助手算法实习，前沿技术栈，导师制，成长空间大，但薪资为实习水平。
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。
更适合这类人
该职位最适合追求技术成长和前沿探索的求职者，尤其是对AI大模型和Agent系统有浓厚兴趣的在校研究生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展95
工作生活50
使命价值85
薪资福利
60中等
实习岗位薪资为市场水平，但阿里巴巴的平台和福利体系完善，能提供较好的基础保障。
薪资信号面议 (0K-0K/月)
成长发展
95较高
该职位提供前沿技术方向、充足算力、导师指导和浓厚技术氛围，对个人技能成长和职业发展有极大帮助。
技术前沿前沿/新兴技术
技术栈大模型、强化学习、RLHF、RLVR、Agent、多模态、SFT
成长机会师兄机制、量身定制匹配的研究方向、技术分享、充足的算力资源
业务类型profit_center
工作生活
50较低
实习岗位通常需要现场办公，工作强度可能较高，但阿里巴巴提供相对完善的福利和基础设施。
工作模式仅现场办公
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
该职位直接服务于数亿淘宝用户，通过AI技术提升购物体验，具有较高的社会价值和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号直接服务于淘宝用户
创新程度开拓性创新（行业首创）
Watch Jobs