阿里巴巴业务技术-AI Agent 后训练专家（急招）-杭州
任职要求
1. 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 2. 2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 3. 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 4. …
工作职责
加入我们，你将构建阿里集团企业级Agent平台后训练技术体系，支撑核心电商、零售、本地生活等丰富业务场景的AI方案效果持续提升，通过先进AI技术探索，持续提升业务效果迭代飞轮，发现新的业务机会！
具体你将会负责：
1. 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
2. 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
3. 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行为符合业务预期你可以获得： • 参与前沿AI技术研发，引领行业技术发展 • 与顶尖技术团队协作，攻克技术难题 • 技术成果直接服务海量用户，创造实际价值 • 完整的技术成长路径和职业发展机会 1. AI应用系统构建 • 设计和构建基于大模型的AI应用系统，包括智能客服、代码助手、AI运维等产品 • 运用指令微调（SFT）、强化学习（RLHF/DPO）等技术优化模型在特定场景的表现 • 构建完整的AI应用架构，涵盖数据处理、模型部署、用户交互等全链路 2. Agent智能体开发 • 设计和实现智能Agent系统，具备任务规划、工具调用、多轮交互等核心能力 • 构建多Agent协同框架，实现智能体间的分工协作和知识共享 • 探索Agent在复杂业务场景中的应用模式，如自动化运维、智能分析等 3. 业务场景优化 • 深入理解业务需求，将AI技术与实际场景深度结合，提升用户体验 • 优化AI应用在多轮对话、知识问答、决策支持等场景的效果和效率 • 与产品和工程团队协作，推动AI应用从原型到生产的完整落地
1. 立足AI Agent研发运维视角，贯穿整个技术栈，在稳定、体验、效率和成本这四个方面持续进行优化 2. 基于AI研发领域的MaaS/PaaS/IaaS，进行模型训练与推理的算力保障，并提升资源使用率 3. 统性地提升Agent研发、部署、运行阶段的稳定性，适应Agent QPS、模型推理TPM每年提升1个量级的发展速度 4. 主导解决Agent研发运维过程中各类疑难问题，并推进完善产品与平台的能力 5. 系统性构建故障节点、慢节点检测平台化能力，响应并解决日常大模型任务的故障问题 6. 负责LLM 后训练（SFT、RLHF/RLAIF 等）相关链路稳定性治理、规范建设：理解研发与优化 LLM + RL/HRF 相关训练框架，提升扩展性、稳定性与性能（吞吐、显存占用、收敛效率等）。结合分布式训练技术（如 tensor / pipeline / data parallel），优化多机多卡训练性能和资源利用率。 7. 平台稳定性与工程质量：建设训练平台的观测与运维体系，完善监控、告警、日志与故障排查工具；持续提升平台的稳定性、可调试性和可维护性，产出高质量技术文档与设计方案。
1. 负责Data+AI场景下大模型（LLM）、智能体（Agent）的算法研发、优化及落地应用。 2. 负责大模型后训练、AI Agent领域相关前沿算法的调研、设计与优化；主导大模型的架构设计、训练与调优工作；构建高效的模型评估与监控体系，确保模型性能和稳定性。 3. 与产品、工程等团队紧密协作，针对业务场景设计并实现高效的Prompt工程策略、模型微调方案及性能优化技术，推动算法成果在实际场景中的应用。 4. 关注行业前沿技术趋势，结合业务需求进行技术选型与方案验证；撰写技术文档和研究报告，参与或主持相关学术交流，推动团队技术能力提升，提升公司技术竞争力。
1、负责支付宝数字化风险防控体系能力的建设，包括数字内容、电商商品、短视频、直播互动等领域，应用大模型（不限于LLM、MLLM、AI Agent等）进行风险防控的能力建设； 2、负责支付宝数字化风险领域面向智能领域的全面升级，设计算法解决方案，解决疑难点问题，规划中长期发展路线，推动算法的长期迭代； 3、根据业务场景制定有效的模型训练方案，解决算法领域相关重/难点问题，协同团队达成相关模型的性能指标，创造业务价值和技术价值； 4、不断探索前沿智能技术，进行重点难点技术攻关工作。