阿里巴巴阿里控股 AI Data-数据处理工程师-RL训练数据方向（Work）
任职要求
必备 1. 学术背景：计算机、人工智能、数据科学、统计学或相关专业，硕士及以上学历优先，2 年以上数据挖掘 / 数据工程 / 机器学习方向经验。 2. 工程能力：精通 Python，具备大规模数据处理能力（Spark / Ray / Dask / Flink 任一）；熟悉 SQL、Shell，能独立搭建数据处理 pipeline 与 ETL 流程；数据处理 pipeline 写得好、跑得稳、可追溯，不是写个脚本跑一次就完。 3. LLM 工具链能力：熟练使用 LLM 做数据筛选、质量评估、合成生成；理解 LLM 训练流程（预训练 / SFT / RFT / RL），知道各阶段数据需求差异。 4. 数据质量意识：对数据分布、异常检测、偏见风险有敏锐直觉；能从海量数据中识别"表面合理但实际错误"的样本；数据嗅觉灵敏，能从海量脏数据里一眼看出"这个样本有价值"。 5. 数据挖掘经验：有从线上日志、用户行为、模型轨迹等原始数据中挖掘高价值样本的经验；熟悉规则挖…
工作职责
我们正在搭建 Work（AI 协同办公）方向的 RL/RFT 训练数据体系。这个岗位的核心职责是从线上回流数据中挖掘高价值样本：清洗、筛选、合成、发现 bad case，把海量线上数据变成模型训练和数据标注真正能用的东西。 职位描述 1. 线上数据回流与清洗 对接模型线上 rollout 产生的原始数据（轨迹、日志、用户反馈、执行结果等），设计清洗 pipeline，去重、去噪、过滤无效样本，把脏数据变成结构化可用的样本集。 2. 高价值数据挖掘 从海量线上数据中挖掘对模型训练有价值的样本：高难度任务、罕见场景、模型易错 case、用户真实需求分布。建立挖掘策略（规则 + 模型 + LLM 多信号融合），提升高价值样本的召回率。 3. Bad Case 发现与归因 系统性发现 bad case：模型执行失败、输出低质量、轨迹异常、用户投诉等。对 bad case 做根因分类（模型能力问题 / 数据分布问题 / 任务定义问题 / 环境依赖问题），输出结构化报告驱动数据补充和评测修正。 4. 数据合成与增强 设计数据合成策略：基于 LLM 对已有样本做变体生成、难度扩展、场景泛化，补充模型训练数据中的稀缺类型；验证合成数据质量，确保合成样本可直接用于训练。 5. LLM 驱动的精细化筛选 用 LLM-as-judge、质量评分模型等方式对海量数据做精筛，识别"表面合理但实际错误"的样本，把数据质量从"能看"升级到"能训"。设计筛选阈值与采样策略，平衡数据规模与质量。 6. 数据标注前置处理 为下游标注团队准备可标注的数据包：去重、预分类、标注难度分级、边界 case 标记，降低标注成本、提升标注效率。定期输出数据分布报告，指导标注优先级。 7. 数据 Pipeline 与基础设施 搭建端到端的数据处理 pipeline：采集 → 清洗 → 挖掘 → 合成 → 筛选 → 输出。保证数据可追溯（血缘管理）、可复现（版本管理）、可观测（关键指标监控）。 8. 协同算法与标注团队 与模型训练团队对齐"下一轮需要什么数据"，与标注团队对齐"什么样的数据值得标"，把数据挖掘变成模型能力提升的持续供给。
1. AI Native 采购流程架构设计与落地：将AI能力深度嵌入采购全生命周期——从需求感知、供应商寻源、智能比价、策略辅助、自动下单、履约跟踪到对账结算，识别并打通全流程中可无人化或人机协同的关键节点，建立端到端自动化工作流； 2. 数字采购员（AI Agent）的孵化与运营：设计、训练并持续迭代数字采购员，使其能够覆盖标准采购场景（如 供应商入库、自动下单、合同签约等）的全流程自动执行。定义数字采购员的能力边界、决策权限、人机交接机制，并建立持续优化闭环； 3. 采购AI Skills体系沉淀：构建可复用、可组合的采购AI技能库（Skills），涵盖招投标方案、风险检查、智能比价等等。建立Skills的版本管理、效果评估和迭代机制，让组织能力从"个体经验"升级为"系统资产"； 4. AI技术选型与前沿应用探索：持续跟踪大模型、Agent框架、RAG、多模态、代码生成等前沿AI技术演进，评估其在采购场景的应用潜力，参与AI工具/平台的路径选型、试点和规模化落地； 5. 采购数据与知识基建：搭建支撑AI应用的高质量数据底座，包括供应商知识库、历史谈判/合同语料库、品类策略知识图谱、市场价格基准数据等，确保AI的"燃料"充足且持续更新。
1. 基于公司战略需要，与集团算法团队密切合作，理解算法需求，对LLM模型训练所需的数据样本集进行标注管理、行业调研、安全合规保障等，与上游产品技术通力合作，提供满足算法研发需求的数据，共同推进业务目标达成； 2. 负责高质量的数据标注，结合算法知识优化标注流程，推进使用算法技术（如数据增强、自动化标注等）提升数据标注的质量 3. 设计和实现大语言模型方向AI训练流程，并不断优化迭代，带领团队高效完成标注和内容生产项目，推动标注工具的智能化升级优化，协助产品与开发团队将更智能的标注产品落地 4. 构建并维护一套完善的AI内容质量管理体系，全面把控内容质量并对结果负责，并不断进行优化迭代； 5. 负责管理标注团队，积极推动组织流程及交付流程优化，对接数据标注供应商。负责组织培训、试标、通过持续培训和反馈提升供应商标注质量与效率
我们是控股集团不动产管理部，跟随着阿里二十多年的快速成长，支撑了集团千万平米的智慧空间运营与管理业务，也服务了数十个大型央国企和头部民营企业，提供了行业先进的一站式智慧园区产品和解决方案。 在这里，你将直面不动产管理领域核心业务场景，接触国内数字化和智能化程度前沿产品技术和业务管理体系，也会拥有集团在AI领域的技术视角和战略支持，跟我们一起定义AI时代的不动产管理全新范式！ 你的工作职责： 1. 作为不动产管理设施管理领域的产品经理，定义AI时代下的智慧园区设施设备和能源管理产品体系，协同研发团队和业务运营团队，推进从业务场景调研、关键机会识别、产品原型到落地输出的全过程，确保产品方案具有显著的业务价值与充分的技术可行性。 2. 打造专业场景下的高阶智能Agent，联动工程技术及业务团队，识别业务关键问题，并通过AI能力在业务场景上的深度植入，并推动业务流程向AI原生转型； 3. 持续追踪AI领域（尤其是多模态大模型、Agent框架）进展，评估新技术在设施设备和能源管理场景中的适用性，将前沿能力转化为可落地的产品方案。 4. 基于外部客户输入和空间运营与设施设备管理行业趋势，提升产品先进性和竞争壁垒 5. 配合产品市场营销和交付工作，包括核心客户交流，产品文档和价值销售材料、交付使用素材与培训等，完善产品标准化基础能力建设，支持客户成功。
1. 参与新一代Agent驱动的自适应爬虫系统的设计与落地，面向Web、Android、iOS 等多端场景，持续提升采集系统的成功率、稳定性与可扩展性； 2. 深入研究多维度数据采集策略，建设站点/APP 结构自动识别、覆盖策略生成与异常处理能力，提升复杂场景下的数据获取效率与覆盖质量； 3. 攻防对抗：针对不同目标平台开展系统性技术分析，结合环境仿真、协议模拟、设备指纹绕过、行为拟人化等技术，提升系统链路稳定性； 4. 构建AI Native的数据采集到数据处理的智能化全链路体系，利用 AI 技术实现数据采集、自动化清洗、结构化提取、质量评估与工程化落地； 5. 技术沉淀： AI采集平台架构设计、技术分析、策略研究、问题复盘等文档，沉淀可复用的方法论、工具能力和知识体系，推动团队采集能力持续升级。