阿里巴巴
日常实习生-大模型应用算法-北京
日常实习生-大模型应用算法-北京
发布于 大约 8 小时前实习/见习
北京市
初级经验
实习生
仅现场办公
学历未注明
机器学习工程
Nlp
Pytorch
Tensorflow
后训练
大模型
安全风控
深度学习
科研能力
预训练
AI 估算 · 4k–6k
大厂算法实习生日薪约200-300元，按月计薪约5000左右，薪资水平在实习岗位中属中等偏上。
职位详情
关于这个职位
作为阿里巴巴安全部的日常实习生，你将深入参与大模型在风控场景中的落地应用，真实体验预训练、后训练等完整流程，将学术研究转化为实际业务价值
适合对NLP、深度学习有扎实基础，并希望积累工业界大模型经验的同学
最低要求
有完整的科研训练，能够独立研究一些技术探索，形成研究产出
熟悉至少一种深度学习框架
熟悉常见大模型相关算法，了解大模型多阶段的生产流程
工作职责
参与安全部各种风控场景模型建设，真实体验大模型训练的各个阶段，包括不限于预训练、后训练，利用各种学术知识解决业务中实际遇到的问题，真正将大模型的能力赋能各类安全场景
优先资格
有大模型亲身训练经验者优先
有AI、视觉、NLP等顶会的中稿者优先
AI 洞察
优缺点分析
优点
- 参与大模型全流程训练，积累业界前沿的稀缺经验
- 团队可能支持发表顶会论文，科研与工程结合紧密
- 实习工作强度较大，需要快速产出有效结果
- 对科研能力和独立解决问题的能力要求高，需自主探索
- 竞争激烈，转正名额有限，需表现出色
- 适合有扎实深度学习基础、热爱大模型技术、希望在AI安全风控领域深耕的在校研究生
缺点 / 挑战
- 平台大，接触真实业务场景，技术挑战高，能快速提升工程能力
角色解读
- 实习表现优秀可争取转正，成为阿里算法工程师
- 深入大模型与AI安全风控交叉领域，成为稀缺复合型专家
- 积累工业级大模型落地经验，为向顶尖研究员或技术专家发展奠定基础
- 参与安全风控场景的模型建设，将大模型技术应用于实际业务问题
- 体验大模型预训练、后训练全流程，利用学术知识解决工程挑战
- 进行技术探索和实验，形成可落地的研究成果
- 扎实的科研训练，能独立开展研究并产出成果
- 熟悉至少一种深度学习框架（如PyTorch、TensorFlow）
- 理解大模型算法及多阶段生产流程，有实际训练经验更佳
申请策略
- 深入了解阿里巴巴安全部的业务方向，在简历中体现对大模型落地的思考
- 准备一个完整项目案例，说明从问题定义到解决方案的完整过程
- 突出科研项目和论文发表经历，展示独立研究能力
- 强调大模型预训练、微调或部署方面的项目经验
- 体现深度学习框架的使用熟练度，附上代码或GitHub链接
- 快速补充大模型最新技术如RLHF、LoRA等的实操经验
- 了解安全风控场景（如内容安全、反欺诈）的业务痛点
面试指南
- 使用STAR法则：情境、任务、行动、结果，结构化描述项目
- 从业务价值出发，技术方案要能解决实际问题
- 展现对大模型全流程的理解，结合具体案例
- 请介绍你的一个科研项目，如何解决其中的核心难点？
- 简述大模型预训练和后训练的主要步骤及区别？
- 你认为大模型在风控场景中有哪些潜在应用和挑战？
- 你熟悉哪些深度学习框架？它们各自有什么优缺点？
- 复习大模型基础，包括Transformer架构、RLHF、微调等
职位点评
70
综合评分
阿里安全部大模型算法实习，技术前沿成长性强，但薪资与工作生活平衡相对普通。
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
最适合有强烈技术成长动机、热衷大模型前沿研究的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利55
成长发展90
工作生活50
使命价值70
薪资福利
55较低
实习薪资在行业中处于中等水平，大厂品牌有加成但经济回报不算优厚。
薪资信号未披露（AI估算：4K-6K/月）
成长发展
90较高
职位聚焦大模型前沿技术，能深度参与训练全流程，学习曲线陡峭，成长价值极高。
技术前沿前沿/新兴技术
技术栈大模型、预训练、后训练、深度学习、NLP、安全风控
业务类型ambiguous
工作生活
50较低
实习为现场办公，地点在北京，JD未提及弹性工作或加班情况，生活方式灵活性一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
安全风控业务具有社会价值，但实习岗位的意义感更多体现在技术贡献本身。
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