阿里巴巴
高性能GPU算子生成 Agent 研发（AI for AI）-阿里星
高性能GPU算子生成 Agent 研发（AI for AI）-阿里星
发布于 大约 2 小时前普通员工/个人贡献者
北京市 / 杭州市
专家级经验
全职员工
仅现场办公
博士
机器学习工程
Autogen
Cuda
Gpu
Langgraph
Llm
Rlhf
Sft
多智能体
AI 估算 · 50k–80k
博士学历、AI芯片与LLM交叉领域，阿里星计划薪资偏高，参考大厂P7-P8水平。
职位详情
关于这个职位
该职位专注于利用大语言模型和智能体技术，自动生成和优化高性能GPU算子（Kernel），属于AI for AI的前沿方向
你将参与构建从数据闭环、模型后训练到多智能体协同的完整系统，并与芯片、编译器团队协作，推动技术落地
适合对AI与系统优化交叉领域有浓厚兴趣的博士人才
最低要求
计算机科学、电子工程、人工智能或相关领域博士研究生
具备大语言模型及 Agent 系统开发经验，熟悉 Prompt Engineering、模型评测、RAG/向量检索及常见 Agent 框架
有代码生成相关项目经验者优先
熟悉模型后训练方法，具备 SFT、RLHF/RLAIF、DPO/PPO/GRPO 等一种或多种方法的实践经验，能够围绕业务目标构建训练数据、奖励机制与评测体系
熟悉 AI 芯片架构（如 GPU/NPU/TPU），掌握 CUDA、Triton、OpenCL、MLIR、TVM 等至少一种编程或优化技术
具备多智能体系统开发经验，熟悉任务规划、工具调用、反思优化、分布式协作等机制
有 AutoGen、LangGraph、MetaGPT 等框架经验者优先
扎实的编程能力，熟练使用 Python/C++，具备良好的系统设计与工程落地能力
工作职责
基于 LLM 的高性能算子/Kernel 代码生成系统开发：设计并开发异构GPU 高性能Kernel 的自动生成系统，覆盖算子实现、调度优化、内存管理、并行计算等关键模块
结合目标芯片架构特性（如计算单元、存储层次、指令集、通信机制等），持续提升生成代码的性能
模型后训练与 Agent 能力增强：构建面向高性能算子生成的数据闭环，设计并沉淀 SFT 数据集、偏好数据与 reward 机制
基于 SFT、RL 等后训练方法对模型进行微调，增强 Agent 对芯片约束、性能瓶颈和优化策略的理解，使其能够更稳定地生成高性能算子代码
多智能体协同系统构建：搭建多智能体协作框架，实现需求理解、代码生成、错误修复、版本对比等任务的自动化闭环
研究智能体分工、通信、反思与决策机制，提升系统在复杂场景下的鲁棒性、生成效率与优化质量
技术落地与前沿探索：与芯片、编译器和算子团队协作，结合具体硬件特性和业务场景推动技术落地
持续跟踪 LLM 代码生成、模型后训练、多智能体系统与 AI 编译优化等方向的前沿进展，并输出技术文档、专利或论文
优先资格
具备编译原理、高性能计算（HPC）、算子开发、自动代码优化或 AI 编译器相关经验者优先
有训练数据构建、自动评测、模型迭代闭环建设经验者优先
有芯片软件栈、编译器或算子库实际落地经验者优先
AI 洞察
优缺点分析
优点
- 处于AI与系统优化交叉前沿，技术含量高，有广阔的发展空间
- 阿里巴巴平台资源丰富，有大量GPU资源和业务场景，技术落地机会多
- 阿里星计划提供高薪资和快速晋升通道，职业起点高
- 技术难度大，需要同时掌握LLM、编译原理、芯片架构等多领域知识，学习曲线陡峭
缺点 / 挑战
- 工作强度可能较高，需要应对快速迭代和复杂问题
- 竞争激烈，需持续保持技术领先，压力较大
- 适合对AI与系统优化交叉领域有浓厚兴趣，具备博士学历和扎实技术功底，追求技术前沿和挑战的求职者
角色解读
- 技术专家路线：在AI编译器、高性能计算领域深耕，成为行业权威
- 技术管理路线：带领团队，负责更大规模的AI基础设施研发
- 学术与工业结合：发表高水平论文，推动技术开源，扩大影响力
- 设计并开发基于LLM的GPU Kernel自动生成系统，覆盖算子实现、调度优化、内存管理等模块
- 构建数据闭环，进行模型后训练（SFT、RLHF等），增强Agent对芯片约束和性能瓶颈的理解
- 搭建多智能体协作框架，实现代码生成、错误修复、版本对比等任务的自动化闭环
- 与芯片、编译器团队协作，推动技术落地，并跟踪前沿进展，输出技术文档、专利或论文
- 精通大语言模型和Agent开发，熟悉Prompt Engineering、RAG、常见Agent框架
- 掌握模型后训练方法，如SFT、RLHF、DPO、PPO、GRPO等
- 熟悉GPU/NPU/TPU架构，掌握CUDA、Triton、MLIR、TVM等至少一种优化技术
- 扎实的Python/C++编程能力，具备系统设计和工程落地能力
申请策略
- 了解阿里巴巴在AI基础设施方面的布局，特别是平头哥芯片和AI编译器
- 在面试中展示对技术前沿的热情和解决复杂问题的能力
- 突出博士研究方向和成果，尤其是与LLM、代码生成、AI编译器相关的项目
- 强调模型后训练（SFT、RLHF）和多智能体系统开发的实际经验
- 展示CUDA、Triton等高性能编程技能，以及性能优化案例
- 如有论文、专利或开源项目，务必列出，体现研究能力
- 补充学习多智能体框架（AutoGen、LangGraph）和强化学习算法
- 深入了解GPU架构和编译优化技术，如TVM、MLIR
面试指南
- 从问题定义、技术选型、实现细节、效果评估四方面展开
- 结合具体项目经验，用数据说话
- 体现系统思维和跨领域协作能力
- 如何设计一个基于LLM的算子生成系统？
- 你如何构建SFT数据集和奖励模型？
- 如何优化多智能体协作效率？
- 如何评估生成代码的性能？
- 请描述一个你处理过的复杂技术问题
职位点评
77
综合评分
前沿技术、高薪高发展，但工作强度大，适合追求挑战的博士。
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前沿、渴望快速成长、对AI与系统优化有强烈兴趣的求职者。
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
阿里星计划提供高薪资和丰厚福利，但具体薪资未披露，需面议。
薪资信号面议 (50K-80K/月)
成长发展
95较高
该职位处于AI前沿，技术栈先进，有明确的成长路径和培训机会，发展性极强。
技术前沿前沿/新兴技术
技术栈LLM、Agent、GPU、CUDA、Triton、SFT、RLHF、多智能体
业务类型profit_center
工作生活
40较低
工作地点为北京或杭州，需现场办公，未提及弹性工作，可能面临高强度工作。
工作模式仅现场办公
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
AI for AI领域具有高社会价值，推动技术进步，但具体使命信号未在JD中体现。
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）
Watch Jobs