研究型实习生-1688-多模态强化学习算法工程师

优缺点分析

角色解读

• 在阿里巴巴研究院或核心业务团队中，从研究型实习生成长为技术专家或研究员
• 有机会参与顶会论文发表和开源项目，提升学术影响力
• 未来可转向高级算法工程师或技术管理岗位，负责更复杂的AI系统研发
• 负责提升电商B2B场景下多模态大模型对用户超长个性化上下文的建模能力，涉及大规模数据处理和模型训练
• 基于强化学习（如PPO/GRPO）提升大模型的多步骤工具调用能力，实现用户仿真和个性化推荐
• 构建高保真用户模拟器及评估体系，优化Agent训练效率，并探索LLM前沿技术
• 扎实的计算机科学、人工智能或数学基础，精通LLM训练方法（如Qwen/DeepSeek-R1）
• 熟悉强化学习算法原理，具备PPO/GRPO/Self-Play等算法的实际应用经验
• 了解Agent产品架构（如DeepResearch/Manus），有参与研发Agentic模型的经验

申请策略

• 在申请时，强调与岗位匹配的研究方向和技能，展示对电商场景的理解
• 提前了解阿里巴巴1688业务，准备相关项目案例，展示解决问题的能力
• 突出在LLM和强化学习方面的研究经历，包括项目、论文和竞赛成果
• 强调实际动手能力，如使用PPO/GRPO等算法进行模型训练的经验
• 展示对Agent技术架构的理解，以及参与开源项目的经历
• 深入学习强化学习算法，特别是PPO/GRPO/Self-Play的变体和应用
• 熟悉主流LLM（如Qwen/DeepSeek-R1）的训练和微调方法
• 了解Agent产品（如DeepResearch/Manus）的技术实现，尝试构建简单的Agent系统

面试指南

• 回答技术问题时，结合具体项目经验，说明算法原理和实际应用效果
• 对于开放性问题，先阐述思路，再结合实例，展示逻辑和创新能力
• 在回答中体现对电商业务的理解，以及如何将技术应用于实际场景
• 请介绍你在LLM训练或强化学习方面的研究项目，具体使用了哪些算法？
• 如何设计一个高保真用户模拟器来评估Agent的训练效果？
• 你对多模态大模型在电商场景中的应用有什么理解？
• 请解释PPO和GRPO算法的区别，并说明在什么场景下你会选择使用它们？
• 你如何看待Agent技术（如DeepResearch/Manus）的未来发展？