阿里巴巴数据基础及产品部-RL Data 工程师-work（数据构造）
社招全职2年以上地点：杭州状态：招聘♡ 收藏
工作描述
任职要求 岗位要求 1.了解 RL 基本原理：理解 Reward Modeling 的基本原理及 Reward 信号设计对 RL 训练（PPO/GRPO 等）的影响，能从训练视角判断什么样的 Instance 是有效数据，并据此设计能力覆盖与难度分布。 2.具备从 0 到 1 的合成生产能力：熟练使用 Python，能独立完成任务定义、容器化环境构建与参数化批量合成，有搭建端到端数据产线的工程经验，保障数据生产的规模化与可复现。 3.动手能力强：熟悉主流 harness/agent 框架，能独立搭建 Agent 并批量采集 rollout 轨迹，能对多轮工具调用、代码执行等复杂轨迹识别行为模式与失败模式。 4.具备 Verifier/R…
登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
GRPO+
https://cameronrwolfe.substack.com/p/grpo
Most early work on RL for LLMs used Proximal Policy Optimization (PPO) as the default RL optimizer, but recent reasoning research relies upon Group Relative Policy Optimization (GRPO).
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
AI agent+
https://www.ibm.com/think/ai-agents
Your one-stop resource for gaining in-depth knowledge and hands-on applications of AI agents.
还有更多 •••
相关职位
社招3年以上技术类-数据
1. 计算机、人工智能、数学或相关专业，本科及以上学历。 2. 熟练掌握 Python，熟悉 Java、Go 或 C++ 中至少一种语言。 3. 具备搜索引擎、网页解析、网页分类、信息抽取或内容质量相
更新于 2026-09-04杭州
社招
1. 基于 Spark、Ray 搭建大模型数据处理基建，负责集群管理、任务调度、资源隔离和性能分析，并迭代面向非结构化与多模态数据的处理能力。 2. 基于 Paimon、Iceberg、Lance 建
更新于 2026-10-21北京|上海
社招5年以上腾讯云-大数据技
1.计算机相关专业，本科及以上学历，3年及以上工作经验； 2.熟练掌握深度学习框架，精通 Python/Java/Golang/Rust 语言中的一种，具备优秀的算法实现和代码优化能力； 3.具备
更新于 2026-09-09杭州
社招5年以上腾讯云技术
1.计算机相关专业，本科及以上学历，3年及以上工作经验； 2.熟练掌握深度学习框架，精通 Python/Java/Golang/Rust 语言中的一种，具备优秀的算法实现和代码优化能力； 3.具备
更新于 2026-06-22北京