阿里巴巴
算法工程师-模型自进化
算法工程师-模型自进化
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
Megatron
Rlhf
Sglang
Vllm
大模型
强化学习
数据合成
自动化训练
值不值得投
77综合评分
综合评分 77
头部企业大模型前沿算法岗，技术挑战与成长空间拉满，薪资丰厚但工作强度较大。
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，方便横向比较。
薪资怎么样
5.3万
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 3520 个在招 · 其中机器学习工程 约 190 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 510 个在招
职位详情
关于这个职位
该职位主要负责大模型自进化方向的算法研究，探索模型能力自动演进路径，包括Agent任务的数据合成与闭环优化、预训练数据自动挖掘，以及自动化训练与推理框架调优
适合具备扎实深度学习基础、对大模型前沿技术有深入研究的算法人才
最低要求
计算机、人工智能、自动化等相关专业本科及以上学历
具备扎实的机器学习与深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术
工作职责
围绕大模型自进化方向开展算法研究，探索模型能力自动演进的关键路径
研究基于 self-evolving、long-horizon 等范式的能力增强方法，提升模型在自迭代任务中的长期规划、任务分解、多步执行与自主反馈优化能力
为模型注入自动迭代训练数据的能力：围绕 Agent 任务，完成环境/query/verifier 的合成、筛选、训练与反馈闭环优化，通过多轮迭代持续提升 RL/SFT 训练数据质量
为模型注入自动挖掘 CPT/PT 训练数据的能力，提升预训练与持续训练数据的知识覆盖度、有效性与任务适配性
参与自动化训练与 Infra 调优相关工作，包括 Verl、Megatron 等框架的训练策略优化、RL 超参搜索、训练稳定性提升、SGLang/vLLM 推理效率优化等，提升模型研发效率与性能上限
跟踪自进化训练、自动化数据构造、Agent 能力增强等相关领域前沿进展，围绕实际问题开展算法创新、实验验证与系统落地，沉淀可复用的方法与能力
优先资格
满足以下条件之一者优先：
（1）有强化学习、RLHF、数据合成或自动化数据构造 Pipeline 相关项目或研究经验
有自动化训练、超参数优化、训练系统或推理框架优化相关经验
在 self-evolving、Agent、long-horizon planning 等方向有研究或工程经验
（2）极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力
（3）熟悉 Python，具备较强的工程实现能力
有高水平论文、开源项目、竞赛成绩或实际落地成果者优先
AI 洞察
优缺点分析
优点
- 处于大模型自进化这一最前沿的AI研究方向，能接触到行业顶级的算力资源与数据规模
- 依托头部互联网公司的平台，研究成果有极大概率在亿级用户产品中落地，影响力巨大
- 团队技术氛围浓厚，能与业内顶尖的AI研究员和工程师共事，个人技术成长极快
- 大模型自进化属于前沿探索领域，技术路线不确定性高，需要极强的抗压能力和试错耐心
- 算法研发与Infra调优并重，对个人的理论深度和工程落地能力都有极高要求，工作强度较大
- 适合对大模型前沿技术有强烈热情、具备扎实算法基础与优秀工程能力，且渴望在AI核心领域做出突破性成果的顶尖技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可成长为大模型算法专家或首席科学家，主导核心算法方向的突破
- 横向可拓展至AI Agent产品化落地或大模型Infra架构设计，成为复合型AI技术领军人才
- 研究大模型自进化算法，探索模型能力自动演进路径，提升长期规划与自主反馈优化能力
- 构建自动化数据构造Pipeline，为Agent任务和预训练合成、筛选高质量训练数据
- 参与自动化训练与Infra调优，优化Megatron、vLLM等框架的训练策略与推理效率
- 扎实的机器学习与深度学习基础，精通大模型训练、对齐（RLHF）及推理优化技术
- 具备强化学习、数据合成或自动化训练系统的工程实现与算法研究能力
- 熟练使用Python，熟悉Megatron、SGLang/vLLM等主流大模型训练与推理框架
申请策略
- 提前了解阿里通义大模型的最新进展和技术博客，在面试中展现对阿里AI战略的理解
- 准备好详细讲解自己过往项目中最具挑战性的技术难点及解决思路，体现独立思考能力
- 重点突出在大模型训练、RLHF、强化学习或数据合成方向的实际项目经验与落地成果
- 展示在自动化训练、超参优化或推理框架（如vLLM、SGLang）调优方面的工程实践经验
- 若有相关方向的高水平论文（如NeurIPS、ICLR等）、知名开源项目贡献或竞赛名次，务必放在显眼位置
- 深入学习self-evolving、long-horizon planning等前沿论文，复现相关开源代码以加深理解
- 熟悉Megatron、Verl等分布式训练框架的底层逻辑，提升大规模集群训练与调优能力
面试指南
- STAR法则：情境(Situation) -> 任务(Task) -> 行动(Action) -> 结果(Result)，重点突出Action中的技术细节和你的独立思考
- 对比分析法：在回答技术选型或优化方案时，对比不同方案的优缺点，说明你为什么选择当前方案
- 请详细介绍你在RLHF或强化学习项目中，如何解决奖励模型（Reward Model）的过拟合或奖励黑客问题？
- 在构建自动化数据合成Pipeline时，你是如何设计Verifier来保证合成数据的质量的？
- 针对大模型推理效率优化，你使用过哪些量化或KV Cache优化技术？效果如何？
- 如果模型在long-horizon任务中表现不佳，你会从哪些维度进行排查和优化？
- 复习大模型训练的核心流程（Pre-training, SFT, RLHF），并准备至少两个自己主导的深度技术案例
- 了解阿里近期在Agent、大模型自进化方向的公开论文或技术分享，准备相关的见解
职位点评
薪资福利85
成长发展95
工作生活35
使命价值85
薪资福利
85较高
作为头部企业的核心算法岗，薪资水平处于行业前列，且具备完善的福利体系与较高的稳定性。
薪资信号未披露（AI估算：3.5千–7万/月）
成长发展
95较高
岗位聚焦大模型自进化这一最前沿方向，技术栈极具挑战性，能提供顶级的技术成长空间与行业影响力。
技术前沿前沿/新兴技术
技术栈大模型、self-evolving、Agent、RLHF、强化学习、Megatron、SGLang、vLLM
业务类型ambiguous
工作生活
35较低
JD未提及工作模式与WLB相关信息，但核心算法研发与Infra调优通常伴随较高的工作强度与较长的工时。
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
推动大模型自进化与Agent能力增强，属于AI时代的核心技术突破，具有极高的行业前瞻性与技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs