Alibaba logo
阿里巴巴
日常实习生-业务技术-AI研发算法实习生

日常实习生-业务技术-AI研发算法实习生

发布于 1 小时前

实习/见习

AI 估算 · 6.0千–1.0万 · AI 参考估算
无经验要求
学历未注明
实习生仅现场办公AI算法
AI算法
Cpt
Llm
Nlp
Pytorch
Rlhf
Sft
模型评测
知识工程

值不值得投

74综合评分

综合评分 74

前沿大模型研发实习,成长价值高,生活安排与待遇信息未披露

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,方便比较实习机会。

薪资怎么样

8.0千

比AI算法中位数高

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 5110 个在招 · 其中AI算法 96 个

市场机会

选择面较广

杭州 · AI算法 · 约 110 个在招

职位详情

关于这个职位

该岗位面向淘宝复杂研发工程体系,参与垂域大模型与研发智能体的数据构建、模型训练和能力评估

你将围绕CPT、SFT、RLHF、领域知识理解与记忆等方向开展研究实践,适合有NLP和LLM项目经验的硕博在校生

最低要求

岗位要求:

计算机科学、人工智能、软件工程等相关专业,毕业时间在26年11月以后的硕博在校生
具备扎实的NLP基础,有LLM大模型相关的研究或项目经验,熟悉预训练、SFT、RLHF等关键技术
熟悉Python,熟练掌握PyTorch等深度学习框架
具备良好的问题拆解和解决能力,强自驱力与团队协作精神,敢于探索新思路、新技术

工作职责

作为实习生,你将参与以下方向的研究与实践:

领域模型训练:参与研发垂域大模型的数据构建与训练工作,包括研发数据的高质量组织与清洗、用户轨迹数据的迭代优化,以及持续预训练(CPT)、指令微调(SFT)、强化学习对齐(RL/RLHF)等训练流程
理解与记忆能力研究:参与探索如何让模型更好地理解、记忆和运用领域知识,提升模型在实际研发场景中的专业能力
能力评估与迭代:参与评测体系建设,协助评估模型在研发场景中的实际表现,分析bad case,推动数据和算法的持续优化

优先资格

加分项:

在相关领域顶会(如NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI等)发表过一作论文
理解软件研发全流程,有将AI技术应用于软件工程的经验,或具备知识图谱、知识工程背景

AI 洞察

优缺点分析

优点

  • 岗位直接参与垂域大模型和研发智能体建设,技术方向贴近LLM前沿应用
  • 覆盖数据、训练、对齐、评测全链路,有利于建立完整的大模型研发经验
  • 淘宝复杂工程场景提供真实业务问题,适合积累软件工程与AI结合的实践经验
  • 加分项与顶会论文、知识工程背景相关,对研究型求职者较友好
  • 评测体系与bad case分析要求细致,既需要算法判断,也需要理解真实研发流程
  • 适合计算机、AI、软件工程方向的硕博在校生,尤其是有LLM项目、顶会论文、知识工程或软件研发流程理解经验的候选人

缺点 / 挑战

  • 涉及CPT、SFT、RLHF和研发上下文建模,技术复杂度较高,需要快速学习和实验迭代
  • 作为实习生,可能需要在有限周期内产出可验证结果,对自驱力和执行力要求较高

角色解读

  • 从大模型数据构建、训练与评测实习起步,逐步积累垂域模型训练和智能体研发经验
  • 后续可向LLM算法工程师、AI应用研发、知识工程或软件工程智能化方向深入发展
  • 对有研究能力的求职者,也可继续走论文研究、模型对齐、评测体系或研发智能体产品化路线
  • 参与淘宝研发场景垂域大模型的数据建设,包括研发数据组织、清洗和用户轨迹数据优化
  • 参与CPT、SFT、RL/RLHF等训练流程,提升模型对研发上下文和领域知识的理解能力
  • 参与模型评测体系建设,分析bad case,并从数据与算法两侧推动迭代
  • 探索模型在软件研发场景中的知识记忆、调用和专业推理能力,支撑研发智能体建设
  • 需要扎实的NLP基础和LLM研究或项目经验,理解预训练、指令微调和强化学习对齐流程
  • 需要熟练使用Python和PyTorch,具备数据处理、模型训练、实验分析与问题定位能力
  • 需要良好的问题拆解、自驱探索和团队协作能力,能在研究型任务中持续迭代
  • 有顶会论文、软件工程AI应用、知识图谱或知识工程背景会形成明显加分

申请策略

  • 申请时建议说明毕业时间满足26年11月以后,并突出硕博在校身份与研究方向
  • 面试前可关注淘宝/电商研发场景中的AI提效、智能研发助手和垂域大模型应用案例
  • 突出与LLM相关的研究或项目经历,明确写清使用的模型、数据规模、训练方法和最终效果
  • 重点展示Python、PyTorch、预训练、SFT、RLHF、模型评测等技能,最好对应到具体实验或成果
  • 如果有论文、竞赛、开源项目或AI4SE经历,应放在显眼位置,并说明个人贡献
  • 强调问题拆解、实验设计和团队协作案例,体现能独立推进研究任务的能力
  • 提前熟悉LLM训练与对齐流程,包括数据清洗、指令构造、SFT、RLHF基础原理和常见评测方法
  • 补充PyTorch实战能力,准备一个可讲清楚的大模型微调或评测项目

面试指南

  • 项目类问题采用“背景-目标-方法-结果-复盘”结构,重点讲清个人贡献和可量化结果
  • 技术类问题先讲基本原理,再结合研发垂域场景说明数据、训练、评测和工程约束
  • 问题分析类问题按“现象观察-原因假设-实验验证-迭代优化-指标复盘”展开,体现科学实验思路
  • 请介绍一个你参与过的LLM项目,包括数据构建、训练方法、评测指标和你的具体贡献
  • 你如何理解CPT、SFT和RLHF在垂域大模型训练中的作用?
  • 如果要提升模型对软件研发上下文的理解与记忆能力,你会从哪些数据和算法方向入手?
  • 面对模型在研发场景中的bad case,你会如何定位问题并设计迭代方案?
  • 请举例说明你如何拆解一个复杂技术问题,并推动实验或项目落地

职位点评

薪资福利72
成长发展92
工作生活45
使命价值78

薪资福利

72中等

JD未披露薪资和福利信息,但岗位为大模型算法实习,技术门槛较高,通常对技术型求职者有一定吸引力。稳定性与福利信息不足,需投递时向招聘方确认。

薪资信号未披露(AI估算:6.0千–1.0万/月)

成长发展

92较高

岗位覆盖垂域大模型的数据构建、CPT、SFT、RLHF、知识理解与评测迭代,技术内容前沿且实践链路完整。对希望积累LLM研发和智能体经验的候选人成长价值很高。

技术前沿前沿/新兴技术
技术栈垂域大模型、CPT、SFT、RLHF、LLM、NLP、PyTorch、知识图谱、知识工程、模型评测
业务类型ambiguous

工作生活

45较低

JD仅明确地点为杭州,未说明远程、弹性、双休或加班情况,生活化动机相关信息不足。实习岗位的实际节奏和到岗要求建议面试时确认。

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

78中等

岗位面向淘宝复杂工程技术体系,目标是构建深度理解研发上下文的垂域大模型和研发智能体,具有较强的技术探索价值。JD未直接描述社会使命或公共价值,意义感主要来自前沿技术落地。

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