阿里巴巴阿里国际站-大模型后训练工程师-LLM 训练（AI Infra相关）

团队介绍 国际站引擎团队主要负责支撑阿里国际站搜推以模型推理服务（包括大模型、搜推广模型），公司AI核心团队，处于高速发展阶段。团队技术氛围好，AI业务处于业界前沿。业务侧主要支持Alibaba.com AI化，以及Accio.com（B端AI产品）。 职位描述 负责支撑阿里国际站大模型模型后训练服务参与开发和优化大模型后训练框架，支持千卡H100 & B200分布式训练集群的相关优化参与大模型结构设计，并联合业务进行模型训练效率提升和效果验证。

我们致力于打造银行信贷领域的新一代“智能决策大脑”。我们以行业与产业研究为锚点，以数据智能为引擎，深度融合资深信贷专家的经验与海量异构数据洞察，构建面向信贷全生命周期的领域专属决策大模型。 1.主导信贷大模型的后训练体系：通过有监督微调（SFT）、奖励模型（RM）训练、人类反馈强化学习（RLHF）、直接偏好优化（DPO）等领域领先技术，让模型不仅“会回答”，更能“可解释、答得准、判得稳、符合专家直觉”，实现与信贷业务目标的深度对齐。 2.构建垂直领域智能Agent系统的能力：能主导信贷场景下Intelligent Agent的核心框架设计，融合感知、规划、执行与持续学习机制，并通过知识图谱、RAG、NL2SQL等技术打通非结构化知识、结构化数据与自然语言交互，实现从行业洞察、风险画像到决策支持的端到端自动化。 3.打造高质量领域数据飞轮：从零构建面向信贷场景的指令与偏好数据集，设计数据配比、清洗、增强与合成策略，持续提升数据效率与泛化能力——因为你知道，好模型的背后，是更聪明的数据。 4.建立科学严谨的评估体系：构建覆盖准确性、逻辑一致性、风险敏感度、幻觉控制等多维度的自动化评测 pipeline，用数据驱动模型迭代，确保每一个版本都比上一个更可靠、更可用。 5.站在AI+金融的最前沿：紧密跟踪全球大模型的最新进展（如新型偏好学习、多Agent协作等），快速将学术突破转化为业务生产力，解决真实世界中复杂、高 stakes 的信贷决策挑战。同时将领域化的研究转化为高质量的顶会论文，形成持续学术影响力。

1.负责 Code Agent 大模型的全流程后训练，包括 Mid-Training、SFT、RL 等阶段的设计、实现与迭代，持续突破模型的代码能力边界。 2.构建并优化各训练阶段所需的高质量数据集，涵盖数据清洗、合成、增强与质量评估，为模型优化提供数据底座。 3.深入分析模型行为与输出分布，诊断典型失败模式，通过数据与训练策略的针对性调整，提升代码生成的正确性、可读性与安全性。 4.跟踪并探索前沿 Code Agent 技术，推动研究成果的工程化落地。 5.与产品和工程团队紧密协作，将后训练能力集成到智能编程助理、自动化代码生成系统及任务执行 Agent 等产品中。

1.面向AI应用场景的大模型微调，优化PostTraining (SFT/RM/RL) 算法的训练效率和实际用户体验效果； 2.研究各领域高质量数据的自动化合成方法，建设高效的线上数据飞轮链路； 3.配合产品和工程，探索LLM在创作、教育、金融、代码等场景下的创新应用。