阿里巴巴
Agentic Post-training Infra-阿里星/Bravo Star
Agentic Post-training Infra-阿里星/Bravo Star
发布于 大约 2 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Agentic Rl
Cuda
Deepspeed
Gpu集群
Megatron
Pytorch
Rlhf
Vllm
分布式训练
值不值得投
74综合评分
综合评分 74
大厂核心AI岗位，技术前沿，薪资优厚，但工作强度大，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
55K
比人工智能中位数高
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 1900 个在招 · 其中人工智能 约 140 个
市场机会
选择面较广
杭州 · 人工智能 · 约 150 个在招
职位详情
关于这个职位
该职位负责大模型Post-Training基础设施的构建与优化，涵盖RLHF、Agentic RL等训练任务，需要深入理解训练框架、分布式系统和性能调优，是AI领域极具挑战性和发展前景的技术岗位
最低要求
具备扎实的工程能力，熟练使用 Python，最好掌握 C++、CUDA、Rust、Go 等系统或高性能计算语言中的至少一种
熟悉 PyTorch 生态及大模型训练流程，理解前向与反向传播、优化器、混合精度、激活重计算和 Checkpoint 等机制
具备分布式系统或大规模训练实践经验，理解 GPU 集群、NCCL、并行策略、通信开销、显存优化及故障恢复
实际使用或开发过 Megatron、DeepSpeed、FSDP、SGLang、vLLM、TensorRT-LLM、Ray 等训练或推理系统中的至少一类
理解 SFT、DPO、PPO、GRPO、RLHF、RLAIF 或 Agentic RL 等 Post-Training 范式，具备复杂系统问题定位能力、较强的责任意识和跨团队协作能力
工作职责
负责大模型训练及 Post-Training 基础设施建设，支持 RLHF、Agentic RL、工具调用和推理能力训练等任务
持续迭代完善 Agent Rollout、Sandbox、推理代理、轨迹记录、奖励处理和训练框架集成
建立训练与推理的正确性及一致性保障体系，实现 Token、Logprob、采样、Checkpoint 和 Adapter 加载等关键行为的验证与追踪
建设性能分析、监控和调试工具，沉淀标准脚本、配置模板、诊断手册及可复用方案，提升资源效率、系统稳定性和实验迭代速度
AI 洞察
优缺点分析
优点
- 涉及前沿的Agentic RL和RLHF技术，职业发展前景广阔
- 薪资待遇优厚，福利完善，有股票期权等激励
- 大厂工作节奏快，可能面临加班和高压环境
- 岗位对综合能力要求高，需要跨团队协作，沟通成本高
- 适合对AI基础设施有浓厚兴趣、具备扎实系统能力、抗压能力强、追求技术深度的工程师
缺点 / 挑战
- 阿里巴巴作为大厂，平台大，资源丰富，技术挑战高，能快速积累大模型训练经验
- 技术难度高，需要扎实的工程和算法基础，学习压力大
角色解读
- 从基础设施工程师向大模型训练专家发展，深入底层优化和系统设计
- 有机会参与前沿Agentic RL研究，成为AI领域稀缺人才
- 可向技术管理方向发展，带领团队建设基础设施平台
- 负责构建和优化大模型Post-Training的基础设施，包括训练框架集成、数据流处理、模型评估等
- 开发Agent Rollout、Sandbox等组件，支持强化学习训练中的环境交互和策略迭代
- 建立训练与推理的一致性验证体系，确保模型行为正确性和可复现性
- 建设性能监控和调试工具，提升训练效率和系统稳定性
- 扎实的Python编程能力，熟悉C++/CUDA等高性能计算语言
- 深入理解PyTorch生态和大模型训练机制，包括分布式训练、混合精度、Checkpoint等
- 熟悉分布式系统原理，掌握GPU集群、NCCL通信、并行策略等
- 了解主流训练和推理框架，如Megatron、DeepSpeed、vLLM等
申请策略
- 关注阿里巴巴AI基础设施团队的技术博客和开源项目，了解团队方向
- 面试时展示对系统稳定性和效率的思考，体现工程素养
- 突出大模型训练或推理系统的实际项目经验，如使用PyTorch、DeepSpeed等
- 强调分布式系统优化、性能调优的具体成果，如训练效率提升百分比
- 展示对RLHF、Agentic RL等算法的理解，可提及相关项目或论文
- 深入学习PyTorch源码和分布式训练原理，掌握NCCL、GPU通信优化
- 熟悉主流训练框架，如Megatron、vLLM，并动手实践
- 了解强化学习基础，如PPO、GRPO算法，并尝试实现简单Agent
面试指南
- 使用STAR法则：情境-任务-行动-结果，突出技术细节和量化成果
- 结合具体项目，展示问题定位和解决思路，体现系统思维
- 强调对底层原理的理解，如反向传播、通信开销等
- 请描述一次你优化分布式训练性能的经历，如何定位瓶颈？
- 如何设计一个Agent Rollout系统？需要考虑哪些关键因素？
- 谈谈你对RLHF和Agentic RL的理解，以及它们在训练中的挑战
- 如何保证训练和推理的一致性？你会如何设计验证机制？
- 在GPU集群中，如何应对故障恢复和资源调度？
职位点评
薪资福利80
成长发展95
工作生活40
使命价值70
薪资福利
80较高
阿里巴巴作为大厂，薪资福利优厚，但JD未明确具体薪资，需面议。
薪资信号面议 (40K-70K/月)
成长发展
95较高
该职位涉及前沿的Agentic RL和RLHF技术，技术挑战大，成长空间广阔。
技术前沿前沿/新兴技术
技术栈RLHF、Agentic RL、PyTorch、CUDA、分布式训练
业务类型profit_center
工作生活
40较低
工作地点在杭州，需现场办公，JD未提及弹性工作，可能面临加班。
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
70中等
AI基础设施对行业有较大影响，但JD未强调社会价值，意义感一般。
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