阿里巴巴
AI应用算法工程师
AI应用算法工程师
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Agent开发
Pytorch
Rag
Sft/Dpo
Vibe Coding
分布式训练
大语言模型 (Llm)
强化学习 (Rlhf/Ppo)
数据工程
值不值得投
76综合评分
综合评分 76
顶尖大厂、前沿AI技术栈、高成长潜力、高工作强度
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，方便横向比较。
薪资怎么样
5.5万
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 4440 个在招 · 其中AI算法 2 个
市场机会
选择不多
杭州 · AI算法 · 3 个在招
职位详情
关于这个职位
负责将大模型能力转化为可上线、可控成本的产品，通过数据飞轮、模型后训练及评测体系实现端到端闭环
核心职责涵盖应用架构设计（RAG/Agent）、高质量数据构建与治理、SFT/RL等前沿算法攻坚，以及生产级系统集成与稳定性运营，持续提升模型在复杂业务场景下的效果与可靠性
最低要求
基础条件：计算机、数学、统计学等相关专业硕士/博士优先，优秀本科生不受限制
专业能力：
模型与后训练：了解Transformer/LLM架构原理
具备SFT/DPO/RL等后训练实践经验
有Agentic RL实操经验者优先
Agent与系统编排：能进行任务拆解与多Agent协作
熟悉RAG、Memory、Tool-Use并能工程化落地
独立开发过有影响力的AI应用者优先
数据构建：精通高质量数据挖掘与构造，有合成数据与动作轨迹构建经验优先
评测与交付：搭建评估闭环（LLM-as-judge/A/B）
具备测试调试与安全质量门禁能力
有量化评估能力优先
工程素养：精通Python与Pytorch
熟悉Git/命令行
了解Megatron-LM/vLLM/DeepSpeed等框架
有分布式训练或大规模数据处理经验加分
工作职责
需求与问题定义：深入业务与产品共创需求，将诉求转化为可执行的AI任务定义，明确目标、边界、优先级与验收口径
方案与应用架构：在Prompt、RAG、微调、Agent等路线间做技术选型与权衡，设计端到端应用架构（含上下文、工具调用、记忆、权限与安全），并完成RAG、Memory、Tool Use、多Agent等能力的工程化落地与生产级集成
数据飞轮与治理：搭建高效的数据采集、清洗与标注工程流水线
前瞻性地探索合成数据与模型自标注等自循环策略，同时建立完善的数据版本追踪与质量评估体系，打通“模型训练-业务应用-用户反馈-数据迭代”的增强回路
模型适配与后训练：主导基座大模型向顶尖垂直行业专家的后训练的全链路技术演进，包括高质量的SFT、RL阶段PPO、GRPO等前沿强化学习与偏好优化算法攻坚，突破模型在复杂业务场景下的指令遵循精度、极致可控性与长链路逻辑推理天花板，显著提升大模型在复杂业务场景下应用能力
评测体系与实验：面向业务目标设计评测指标与Rubric，搭建自动化评测框架（含人工评审），建立离线基准与线上实验体系（A/B、Bandit），持续监控指标漂移与策略投机以防止效果退化
生产交付与运营：负责系统集成与上线发布，对线上质量、稳定性与成本负责，建立监控、告警、兜底与人工接管机制，推动持续迭代
优先资格
有顶会论文（ACL/EMNLP/ICLR/NeurIPS/ICML等）、高影响项目或开源贡献者加分
拥有Agentic RL训练实操经验
独立开发过具备一定影响力的AI应用
具备合成数据（Synthetic Data）与动作轨迹（Trajectory）构建实践经验
具备复杂多步任务的量化评估能力
对主流AI开源项目有贡献
AI 洞察
优缺点分析
优点
- 接触业界最前沿的大模型技术与应用场景，技术栈极具竞争力
- 依托阿里庞大的业务场景和数据资源，能快速验证技术成果并获得高影响力
- 平台资源丰富，有助于积累顶级项目经验
- 技术迭代极快，需要持续高强度学习以保持技术敏锐度
- 高压环境下需兼顾技术创新与业务交付
- 适合对AI前沿技术充满热情、具备扎实理论基础和强大工程落地能力的资深算法工程师，追求技术深度与业务影响力的求职者
缺点 / 挑战
- 对模型效果、稳定性和成本的多重约束带来较大的工程挑战
角色解读
- 可向大模型算法专家、AI架构师方向发展，或转向AI产品负责人角色
- 随着大模型技术在垂直行业的深入，该岗位在行业内的稀缺性和价值将持续提升
- 负责大模型应用的全链路技术落地，从需求定义到生产环境部署
- 重点在于解决模型在真实业务场景中的效果、稳定性和成本控制问题
- 精通Transformer架构及SFT/RL等后训练算法
- 熟练掌握RAG、Agent架构设计及工程化落地
- 具备高质量数据构建与自动化评测体系搭建能力
- 精通Python/PyTorch及分布式训练框架
申请策略
- 准备详细的技术项目复盘，重点阐述如何解决模型幻觉、延迟、成本等实际痛点
- 关注阿里在AI领域的最新战略方向（如通义千问系列），展现对业务的深刻理解
- 突出大模型后训练（SFT/RLHF）的具体实践案例，展示RAG/Agent系统的架构设计与性能优化成果
- 强调数据飞轮构建、自动化评测体系搭建及分布式训练经验
- 列出顶会论文或高星开源项目贡献
- 深入理解最新的大模型对齐算法（如DPO, GRPO）及其理论背景
- 加强多Agent协作、工具调用（Tool Use）及复杂系统编排的工程实践能力
- 提升大规模数据处理与分布式训练调优技巧
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目类问题
- 对于技术问题，先阐述基本原理，再结合具体场景说明选型依据，最后用数据证明效果和优化过程
- 体现对技术局限性的认知及替代方案的思考
- 请详细介绍你参与过的一个完整的大模型应用项目，包括架构设计、数据构建、训练策略及最终效果
- 在RAG系统中，如何优化检索准确率并减少幻觉？遇到过哪些典型挑战？
- 请解释SFT和RLHF的区别，以及在实践中如何平衡指令遵循能力和安全性
- 如何设计和搭建一个自动化的大模型评测体系？如何处理主观指标的量化问题？
- 面对大规模分布式训练，遇到过哪些显存或通信瓶颈？是如何解决的？
职位点评
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
作为已上市的巨头企业，提供具有市场竞争力的薪资包和完善的福利体系，符合高薪预期。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
95较高
职位涉及大模型后训练、Agent、数据飞轮等最前沿技术领域，成长空间巨大，技术挑战性极高。
技术前沿前沿/新兴技术
技术栈LLM、SFT、RLHF、PPO、GRPO、RAG、Agent、PyTorch、Megatron-LM
业务类型profit_center
工作生活
40较低
互联网大厂核心研发岗，工作强度通常较高，JD未提及弹性工作制或不加班政策，WLB可能受限。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
致力于将AI技术转化为实际生产力，推动智能化应用落地，具有一定的社会价值和行业影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs