阿里巴巴
算法工程师-合版算法研究
算法工程师-合版算法研究
发布于 大约 10 小时前普通员工/个人贡献者
算法优化工程师
Fsdp
Megatron
Pytorch
Rl
Sft
Sglang
Vllm
大模型
模型蒸馏
AI 估算 · 40k–70k
职位详情
关于这个职位
作为阿里巴巴的算法工程师，你将专注于大模型合版算法的研究与落地，探索On-policy Distillation、知识融合等前沿技术，优化SFT目标，解决多能力模型合版中的冲突与遗忘问题
你将负责数据策略、评测体系及合版链路的建设，与infra和工程团队协作，推动模型交付的自动化与高效化
该岗位适合对LLM训练、对齐、蒸馏有浓厚兴趣，具备扎实工程能力的算法人才
最低要求
计算机、机器学习、人工智能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
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
熟悉 Python 与 PyTorch 等深度学习框架，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
工作职责
合版核心算法研究：探索 On-policy Distillation、知识融合等先进技术，研究更优的 SFT Objective，实现多能力模型的高效合版，最大程度减少能力冲突与遗忘，提升合版流程的稳定性与结果的可预测性
数据策略与冲突消解：深入分析不同能力域的数据配比，建立系统化的冲突检测与消解机制
分析合版训练监控指标，定位冲突专项与原因，为专项模型的数据迭代和 SFT/RL 训练流程提供反馈，保障模型在各项能力上的均衡与稳定
合版评测体系建设：设计并推进高效、快速的合版评测方案，构建覆盖多维能力的自动化评测 Pipeline，实现合版效果的快速迭代与精准度量
合版链路与框架建设：推动合版全流程的工程化与自动化，包括训练、评测、对比分析、版本管理等环节
参与 OPD 等合版训练框架的迭代，与 infra 和工程团队协作，探究面向多专项、超长程任务的合版算法与框架，提升模型交付的效率与可靠性
前沿技术追踪与落地：持续关注模型融合、蒸馏、多任务学习等领域的前沿进展，将有效方法快速验证并落地到基础模型的合版实践中
优先资格
满足以下条件之一者优先：
（1）有大模型 Post-training（SFT/RL 等）、模型蒸馏或模型融合相关方向的实践或研究经验
（2）熟悉 Megatron、FSDP 等训练框架或 SGLang、vLLM 等推理框架，有大规模模型训练经历
（3）对数据敏感，具备良好的数据分析能力，能系统性定位模型能力瓶颈并制定优化策略
AI 洞察
优缺点分析
优点
- 阿里巴巴作为行业巨头，提供顶级平台和资源，接触前沿大模型技术
- 岗位技术含量高，涉及模型蒸馏、融合等热门方向，技能积累价值大
- 薪资福利优厚，职业发展空间大，团队实力强
- 合版算法研究难度大，需要较强的创新能力和问题解决能力
- 跨团队协作频繁，对沟通和项目管理能力有一定要求
缺点 / 挑战
- 大模型领域技术迭代快，需要持续学习和研究，工作强度可能较高
- 适合对LLM技术有深厚兴趣，具备扎实算法功底和工程能力，喜欢挑战前沿技术难题的求职者
角色解读
- 在阿里巴巴核心AI团队，可深入大模型前沿技术，成为合版算法领域的专家
- 有机会参与顶级大模型项目，积累大规模训练经验，向技术专家或技术管理方向发展
- 随着大模型技术发展，该领域人才需求旺盛，职业前景广阔，可向AI架构师或研究科学家方向进阶
- 研究并优化大模型合版算法，探索On-policy Distillation、知识融合等技术，提升多能力模型合版的稳定性和效果
- 分析不同能力域的数据配比，建立冲突检测与消解机制，为模型训练提供数据策略反馈
- 设计并推进自动化评测Pipeline，构建覆盖多维能力的评测体系，实现合版效果的快速迭代
- 推动合版全流程的工程化与自动化，参与训练框架迭代，与infra和工程团队协作，提升模型交付效率
- 扎实的机器学习与深度学习基础，熟悉大模型训练、对齐、微调或推理优化技术
- 熟练使用Python和PyTorch等深度学习框架，具备较强的工程实现能力
- 熟悉Megatron、FSDP等训练框架或SGLang、vLLM等推理框架者优先
- 具备良好的数据分析能力，能系统性定位模型能力瓶颈并制定优化策略
申请策略
- 关注阿里巴巴AI团队的技术博客和开源项目，了解其技术方向
- 在面试中展示对合版算法问题的深入思考和独特见解
- 突出大模型Post-training、模型蒸馏或融合相关的项目或研究经验
- 强调使用PyTorch、Megatron等框架的工程实践，展示大规模训练经历
- 如有高水平论文、开源项目或竞赛成绩，务必重点展示
- 体现数据分析能力和系统性解决问题的案例
- 深入学习SFT、RL、模型蒸馏等大模型训练技术，了解最新研究进展
- 熟悉Megatron、FSDP等分布式训练框架，提升大规模模型训练能力
面试指南
- 回答项目经验时，采用STAR法则，突出技术难点、解决方案和量化成果
- 对于算法设计问题，先明确目标，再分步骤阐述思路，最后总结优缺点
- 展示对前沿技术的关注，结合具体案例说明如何应用和落地
- 请介绍你在大模型Post-training或模型融合方面的项目经验
- 如何设计一个高效的模型合版评测方案？
- 在模型合版过程中，如何解决能力冲突和遗忘问题？
- 你如何分析训练数据配比对模型能力的影响？
- 请谈谈你对On-policy Distillation的理解和应用
职位点评
77
综合评分
大厂核心AI岗位，前沿技术栈，薪资优厚，但工作强度可能较高，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。
更适合这类人
该职位最适合追求技术成长和前沿研究的发展型求职者，愿意接受较高工作强度以换取职业发展。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
阿里巴巴作为上市巨头，提供具有竞争力的薪资和福利，但JD未明确具体薪资和福利细节。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
岗位涉及大模型前沿技术，如On-policy Distillation、知识融合等，技术成长空间大，且公司平台提供丰富的学习资源。
技术前沿前沿/新兴技术
技术栈On-policy Distillation、SFT、RL、模型蒸馏、模型融合、PyTorch、Megatron、FSDP、vLLM、SGLang
业务类型profit_center
工作生活
40较低
JD未提及工作模式，但阿里巴巴通常为现场办公，且大模型研发岗位可能工作强度较高，WLB一般。
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
80较高
大模型技术是当前科技发展的核心方向，阿里巴巴在该领域投入巨大，岗位对推动AI技术进步有重要意义。
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
Watch Jobs