阿里巴巴算法工程师-大语言模型（代码研发 & 端侧模型）（T-Star Lab 日常实习）

1.负责大语言模型（LLM）规划、推理、反思能力的研究，提升大语言模型的高阶推理能力； 2.跟进推理领域的前沿技术，将其应用于混元大模型基座，持续提升大模型的推理能力。

1.负责大语言模型（LLM）代码理解和生成相关的技术研究，提升大模型的代码基础能力； 2.跟进大模型代码领域的前沿技术，将其应用于研发生产中，持续提升大模型的代码能力； 3.负责大模型的代码相关的数据构建、训练调优及评测迭代，推进大模型技术在代码补全,Text2SQL,代码问答,代码Agent等业务场景落地。

参与大语言模型的核心技术研发，包括但不限于： - 预训练优化（数据合成、长上下文建模、训练动态分析） - 后训练技术（强化学习、奖励模型、推理能力提升） - 代码生成与理解（自动化数据构建、运行反馈优化） - 模型架构创新（MoE、高效推理、稳定性优化） - 探索AI Agent、长序列推理、在线学习等新兴方向

企业级 AI 方案设计与落地：围绕财务自动化、人力智能决策、法务风险洞察、研发提效等核心场景，主导从 0 → 1 的大模型应用规划、可行性分析与实施。前沿大模型应用研发：深入参与代码生成、AI-BI、企业知识问答、多模态 AIGC（图像 / 文本 / 语音 / 视频）等方向的系统设计与算法优化，推动产品化交付。模型全生命周期训练：负责预训练、指令微调、强化学习（如 DPO/PPO/GRPO）、持续蒸馏等工作，构建可复用的训练pipeline与评测体系，实现模型效果与成本的最优平衡。探索落地最前沿的AI技术：紧跟学术与业界动态，撰写技术洞察、内部分享或对外开源/发表论文，提升团队在大模型领域的影响力。