阿里巴巴
千问Qwen基础大模型RL Infra-阿里星
千问Qwen基础大模型RL Infra-阿里星
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Gpu集群调度
Grpo
Moe
Nccl
Ppo
Pytorch
Rdma
Rlhf
分布式训练
值不值得投
82综合评分
综合评分 82
阿里星顶尖博士岗，薪资极高、技术处于行业最前沿，但面临科研无人区挑战，工作强度大。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
8万
比机器学习工程中位数高
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 2920 个在招 · 其中机器学习工程 约 170 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 250 个在招
职位详情
关于这个职位
该职位负责设计和构建阿里千问（Qwen）大模型的下一代强化学习（RL）训练基础设施，解决超大规模MoE模型训练中的计算、通信和调度瓶颈
你需要结合分布式系统与强化学习算法，优化万卡集群的吞吐量与稳定性，推动大模型对齐与涌现能力的突破
最低要求
学术成果：海内外顶尖高校博士，在分布式系统、机器学习系统或强化学习领域有扎实研究背景，以第一作者在OSDI，SOSP，NSDI等顶会发表过高质量论文
技能与系统能力：精通PyTorch及分布式训练技术，对PPO、GRPO等RLHF算法有原理级理解与实现经验
熟悉NCCL、RDMA等通信优化及GPU集群调度，具备万卡规模训练调优实战能力
工程与创新落地：能将算法创新高效转化为工业级系统，有强代码工程能力，善于在计算、通信与采样之间挖掘极致吞吐性能
软实力：自驱力强，有开拓技术无人区的魄力，渴望在超大规模RL基础设施方向做出定义性工作
工作职责
设计支持数T参数MoE模型的分布式RL架构，实现计算、通信与采样的极致重叠，数倍提升吞吐量
构建高度解耦的算法支持框架，使On/Off-Policy算法可敏捷迭代与混合部署
实现推理与训练资源的统一弹性调度，让“推理时搜索”“反思”等产生训练信号的环节与大规模训练无缝协同，最小化GPU空转
建立自愈式的训练稳定性体系，突破长周期、超大规模下的数值收敛与故障自恢复难题
AI 洞察
优缺点分析
优点
- 参与万亿参数大模型核心基础设施研发，技术壁垒极高，处于AI时代的最前沿
- 依托丰富的算力资源与业务场景，能接触业界最前沿的万卡集群调优实战，积累稀缺经验
- 针对顶尖博士人才的薪酬定位处于行业高位，且具备完善的长期激励与福利体系
- 适合拥有顶尖学术背景、对大模型底层系统有极致追求、渴望在AI Infra领域做出定义性贡献的博士级技术极客
缺点 / 挑战
- 面临“科研无人区”的挑战，需解决长周期、超大规模下的数值收敛与故障恢复等世界级难题
- 工作强度与压力较大，需具备极强的自驱力和抗压能力以应对快速迭代的技术需求与极致性能追求
角色解读
- 成为大模型底层系统架构领域的顶尖专家，引领下一代大模型对齐与涌现范式的科研与工程突破
- 向AI Infra技术负责人或首席科学家方向发展，定义行业超大规模RL基础设施的标准
- 负责千问大模型下一代强化学习训练引擎的架构设计与开发，解决超大规模MoE模型训练的算力瓶颈
- 优化万卡集群下的计算、通信与采样效率，实现推理与训练资源的弹性调度，最大化GPU利用率
- 建立自愈式的训练稳定性体系，保障长周期、超大规模训练的数值收敛与故障自恢复
- 具备分布式系统与机器学习系统的深厚学术背景，拥有OSDI/SOSP/NSDI等系统顶会一作论文
- 精通PyTorch及分布式训练技术，深入理解PPO、GRPO等RLHF算法原理及MoE模型架构
- 熟悉NCCL、RDMA等底层通信优化及GPU集群调度，具备万卡规模训练调优的实战工程能力
申请策略
- 了解阿里通义千问（Qwen）的最新技术报告与开源模型进展，准备针对大模型训练瓶颈的系统级优化方案
- 突出在OSDI/SOSP/NSDI等系统顶会的一作论文及研究成果，展现深厚的学术功底
- 详细列出在PyTorch分布式训练、NCCL/RDMA通信优化及万卡集群调优方面的实战经验与性能提升数据
- 展示将算法创新转化为工业级系统落地的具体案例，证明强代码工程能力
- 深入研读最新的RLHF算法（如PPO、GRPO）及MoE模型分布式训练论文，掌握前沿理论
- 熟悉Ray、Megatron-LM等主流大模型训练框架的底层源码与调度机制，提升系统级优化能力
面试指南
- 采用“背景-挑战-方案-收益”的STAR法则，重点突出系统级思考（如计算、通信、内存的Trade-off）以及量化指标（如吞吐量提升倍数、GPU利用率提升）
- 如何设计支持数T参数MoE模型的分布式RL架构以实现计算与通信的重叠？
- 在万卡规模训练中，遇到NCCL通信瓶颈或GPU空转时，你的排查与优化思路是什么？
- 请分享一个你将学术界的算法创新转化为工业级系统并大幅提升吞吐量的案例
- 针对长周期训练中的数值收敛与故障自恢复，你有哪些系统级的设计经验？
- 复习分布式系统经典论文及大模型训练框架（如Megatron、DeepSpeed）的底层实现
- 准备白板编程或系统设计题，展示万卡集群调度的架构设计能力与底层通信优化思路
职位点评
薪资福利95
成长发展95
工作生活40
使命价值90
薪资福利
95较高
JD明确要求顶尖高校博士及系统顶会一作，针对此类顶尖人才的薪酬定位处于行业高位，且具备完善的长期激励与福利体系。
薪资信号偏高 (6千–10万/月)
成长发展
95较高
处于大模型RL Infra的最前沿，解决科研无人区难题，技术成长空间与行业影响力极大。
技术前沿前沿/新兴技术
技术栈PyTorch、分布式训练、RLHF、PPO、GRPO、NCCL、RDMA、MoE
成长机会开拓技术无人区、定义性工作
业务类型profit_center
工作生活
40较低
JD中多次提及“科研无人区”、“极致”、“突破”等词汇，暗示该岗位面临极高的技术挑战与攻坚压力，工作强度较大。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
90较高
驱动Qwen超大规模进化，定义大模型对齐与涌现范式，具有极高的技术使命感与行业推动力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号定义大模型对齐与涌现范式的科研无人区、驱动Qwen超大规模进化的算力心脏
创新程度开拓性创新（行业首创）
Watch Jobs