天猫
业务技术-AI Agent 后训练专家（急招）-杭州
业务技术-AI Agent 后训练专家（急招）-杭州
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai Agent
Dpo
Llm
Ppo
Rlhf
Sft
后训练
数据飞轮
评测
值不值得投
72综合评分
综合评分 72
前沿AI后训练技术岗，技术成长空间大，但办公和WLB信息未明确。
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。
薪资怎么样
33K
比机器学习工程中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 160 个在招 · 其中机器学习工程 4 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 280 个在招
职位详情
关于这个职位
作为AI Agent后训练专家，你将负责构建阿里集团企业级Agent平台的后训练技术体系，通过SFT、RLHF、DPO等先进算法优化模型效果，支撑电商、零售、本地生活等核心业务场景的AI方案持续提升，并探索新的业务机会
最低要求
本科及以上学历，具备计算机科学/人工智能/统计学/数学或相关专业背景
年以上软件工程经验，1年以上LLM算法经验，精通Python/JAVA等主流编程语言
深入掌握SFT、RLHF、DPO、PPO等主流后训练算法，能够根据业务场景选择和优化算法
具备真实业务场景后训练经验，包含数据集构建、训练方案设计和实验、效果评估，以及方案调优持续迭代
有良好协作能力和逻辑思维，热爱技术拥抱开源
工作职责
Agent效果优化体系建设
○ 构建面向Agent平台的模型后训练技术体系，包括SFT（监督微调）、RLHF（基于人类反馈的强化学习）、DPO（直接偏好优化）等技术栈
○ 设计并实施Agent效果持续优化的数据飞轮机制，实现模型能力的自动化迭代升级
平台化能力建设
○ 将复杂的后训练技术封装为平台化能力，降低业务方使用门槛
○ 支持多种场景的Agent定制化优化，如对话理解、任务规划、工具调用等
评测与对齐体系
○ 建立Agent效果评测体系，包括自动化评测和人工评测
○ 设计偏好学习和人类反馈收集机制，确保Agent行为符合业务预期
优先资格
加分项：主导过企业级Agent平台的后训练体系建设
有构建数据飞轮并实现模型持续优化的成功案例
有开源社区核心共享经验优先
AI 洞察
优缺点分析
优点
- 接触前沿AI技术（如Agent和后训练算法），保持技术领先性
- 业务场景丰富，能将AI技术应用于电商、零售等多个实际领域，获得直接业务反馈
- 技术要求高，需持续跟进AI领域最新进展，保持学习强度
- 工作节奏可能较快，需适应快速迭代的开发环境和业务需求变化
- 需要与多方协作（如业务方、平台团队），平衡技术实现与业务目标
- 适合对AI后训练技术有浓厚兴趣，具备扎实算法基础和实战经验，追求技术深度和业务影响的工程师
缺点 / 挑战
- 参与阿里集团核心AI平台建设，技术挑战高，成长空间广阔
角色解读
- 可向AI架构师或高级算法专家方向发展，深入技术研究与创新
- 参与更多业务领域（如电商、本地生活）的AI解决方案，拓展应用能力
- 在大型AI平台建设中积累经验，提升行业影响力和技术领导力
- 构建企业级Agent平台的后训练技术体系，应用SFT、RLHF、DPO等算法优化模型
- 设计数据飞轮机制，实现模型能力的自动化迭代升级，提升业务效果
- 建立Agent效果评测与对齐体系，确保模型行为符合业务预期和人类反馈
- 精通Python等编程语言，具备2年以上软件工程和1年以上LLM算法实战经验
- 深入理解SFT、RLHF、DPO、PPO等后训练算法，能根据场景选择和优化
- 拥有数据集构建、训练方案设计和效果评估的真实业务经验
申请策略
- 了解阿里集团在AI和Agent领域的公开技术分享或战略方向，在面试中展现契合度
- 准备分享个人技术博客、开源项目或论文阅读笔记，体现技术热情和持续学习能力
- 突出LLM后训练相关项目经验，如SFT、RLHF的实施案例和效果提升数据
- 强调在真实业务场景中构建数据飞轮或优化模型效果的具体成果
- 展示编程能力（如Python/Java）和对开源社区的贡献（如GitHub项目、技术分享）
- 深入学习DPO、PPO等新兴后训练算法的最新研究和实践案例
- 实践构建自动化评测体系或数据飞轮机制，积累端到端经验
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术选型和量化效果
- 结合具体业务场景（如对话理解、任务规划）解释技术方案的设计、实施和迭代过程
- 展示对算法原理的深入理解，并联系实际问题（如数据质量、计算效率）讨论解决方案
- 请描述你过去在LLM后训练方面的项目经验，特别是SFT或RLHF的应用
- 如何设计一个数据飞轮来持续优化Agent在真实业务场景中的效果？
- 在业务实践中，SFT和RLHF等算法如何选择和调整？有哪些挑战？
- 如何建立Agent的自动化评测体系？如何收集人类反馈？
- 你如何看待开源在AI后训练技术发展中的作用？
职位点评
薪资福利70
成长发展90
工作生活50
使命价值75
薪资福利
70中等
职位未明确披露薪资和福利信息，但作为技术专家岗位，在杭州市场可能具有一定竞争力。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
职位涉及前沿AI技术（如Agent后训练），技能成长空间大，但未提及明确的晋升路径或培训机制。
技术前沿前沿/新兴技术
技术栈SFT、RLHF、DPO、PPO、LLM、Python
业务类型ambiguous
工作生活
50较低
职位未提及工作模式、办公灵活性或WLB相关信息，无法判断加班情况和办公安排。
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
75中等
AI技术在电商等业务中有应用前景，行业处于高速增长赛道，但职位未强调社会使命或长期愿景。
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