阿里巴巴
智多星RL Data - Coding方向
智多星RL Data - Coding方向
发布于 大约 14 小时前普通员工/个人贡献者
杭州市
专家级经验
全职员工
仅现场办公
博士
机器学习工程
Agentic
Dapo
Grpo
Post-Training
Ppo
Reward Modeling
Rl
Rubric
Trajectory Evaluation
AI 估算 · 40k–60k
阿里巴巴作为互联网巨头，薪资水平较高，该岗位要求博士学历和RL经验，属于高技能岗位，月薪4-6万，16薪，总包约64-96万。
职位详情
关于这个职位
该职位负责阿里巴巴RL数据（Coding方向）项目，端到端管理从方案设计到规模化生产的数据流程，设计Rubric评估体系，构建QA框架，归纳失败模式，与算法团队协作优化模型性能
适合具备强化学习、Agentic评估经验，精通Python，能处理复杂数据流程的博士或优秀硕士
最低要求
在读博士生优先（特别优秀的硕士生可放宽）
计算机、人工智能、软件工程、认知科学、脑科学或其他 AI 相关专业
具备 RL/Post-Training 研究背景、Applied Scientist 经历，有 Agentic/轨迹评估方面的深度经验
能够将模糊的质量目标编码为可执行、可量化、可扩展的评估标准
熟练的编程能力（Python 为主），能独立完成数据处理脚本、pipeline 开发和自动化工具搭建
能读懂 Agent 轨迹（多轮工具调用、代码执行、搜索检索等），理解 Agentic 系统的行为模式和失败模式
了解 Reward Modeling 基本原理，理解 Reward 信号设计对 RL 训练（PPO/GRPO/DAPO 等）的影响
优秀的书面表达和文档能力，能撰写清晰的 Rubric 规范和技术方案
工作职责
端到端负责RL数据（coding 方向）项目：从方案设计、数据有效性验证到规模化生产，帮助模型在性能上达到业界SOTA
Rubric 与评估体系设计：将业务目标和模型能力目标抽象为多维度、层级化的评分标准（Rubric），设计权重、评分规则和边界 case 处理策略
持续迭代 Rubric 以覆盖新场景、堵住 reward hacking 路径
RL Data 生产与质量保障：端到端负责 Agentic 场景的数据生产项目，从任务设计、轨迹采样、标注执行到质量验收
构建 QA 框架，对 Grader 输出做一致性校验和失败模式分析，确保进入训练的数据可信
失败模式归纳与数据迭代: 从大量 Trajectory 中归纳 Error Taxonomy，建立失败模式分类体系，将分析结论转化为数据策略调整（任务难度、Reward 信号修正、标注规范更新），形成数据飞轮闭环
协同算法团队闭环：与模型训练/RL算法团队紧密配合，对接 Reward/Grader 需求, 将模型效果反馈翻译为数据改进策略
数据体系设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务
设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准
基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐
探索更科学的评测指标、更高效的评测方法
AI 洞察
优缺点分析
优点
- 阿里巴巴平台大，技术资源丰富，能接触前沿AI技术
- 岗位核心，参与模型训练关键环节，个人成长快
- 薪资竞争力强，福利完善
- 工作强度大，需要快速迭代和应对复杂问题
- 对综合能力要求高，需同时具备研究、工程和沟通能力
缺点 / 挑战
- 数据质量责任重大，压力较大
- 适合对RL和Agentic系统有深入理解，喜欢挑战，具备强大工程能力和研究精神的博士或优秀硕士
角色解读
- 在数据领域深耕，成为RL数据专家，主导数据策略和评估体系
- 向算法工程师转型，参与模型训练和优化，晋升为技术专家
- 在AI行业积累经验，可转向AI产品经理或技术管理岗位
- 负责RL数据项目的全流程管理，包括方案设计、数据生产、质量保障和迭代优化
- 设计Rubric评估体系，将模型能力目标转化为可量化的评分标准，并持续迭代以应对新场景
- 分析Agent轨迹数据，归纳失败模式，并转化为数据策略调整，形成数据飞轮
- 与算法团队紧密协作，将模型效果反馈转化为数据改进策略，支持模型训练
- 扎实的RL和Post-Training知识，理解PPO、GRPO等算法原理
- 精通Python编程，能独立开发数据处理pipeline和自动化工具
- 具备Agentic系统评估经验，能设计Rubric和QA框架
- 优秀的文档能力，能清晰撰写技术方案和标注规范
申请策略
- 了解阿里巴巴AI战略和产品，展示对业务的理解
- 强调对数据质量的执着和细节关注
- 突出RL/Post-Training项目经验，尤其是Agentic评估相关
- 强调Python编程和数据处理能力，展示pipeline开发案例
- 展示Rubric设计或评估体系构建的成果
- 如有论文或专利，突出学术贡献
- 深入学习RL算法，如PPO、GRPO，了解最新进展
- 实践Agentic系统，熟悉轨迹分析和评估工具
面试指南
- 用STAR法则回答行为问题，突出具体行动和结果
- 技术问题结合项目经验，展示深度理解和实践
- 设计问题展示逻辑思维，从目标到方案，考虑权衡
- 如何设计Rubric来评估Agent的轨迹质量？
- 描述一个你处理过的数据质量挑战，如何解决？
- 如何将模型性能问题转化为数据改进策略？
- 你对PPO和GRPO的理解，以及它们对数据需求的影响？
- 如何设计QA框架来保证数据一致性？
职位点评
77
综合评分
阿里核心数据岗位，前沿技术，高成长，但工作强度可能较大。
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。
更适合这类人
适合追求技术成长和前沿研究，能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值85
薪资福利
80较高
阿里巴巴提供有竞争力的薪资和福利，但具体薪资未披露，整体补偿性较好。
薪资信号未披露（AI估算：40K-60K/月）
成长发展
90较高
岗位涉及前沿RL技术，强调数据飞轮和迭代，成长空间大，发展性动机强。
技术前沿前沿/新兴技术
技术栈RL、Post-Training、Agentic、Reward Modeling、PPO、GRPO、DAPO
成长机会持续迭代、数据飞轮闭环、探索更科学的评测指标
业务类型profit_center
工作生活
50较低
工作地点在杭州，未提及远程或弹性，可能需现场办公，生活化满足度一般。
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
85较高
岗位推动AI模型性能提升，具有技术前沿性，意义感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号帮助模型在性能上达到业界SOTA
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