阿里巴巴AI应用算法工程师
任职要求
1.基础条件 ● 计算机、数学、统计学等相关专业硕士/博士优先，优秀本科生不受限制。 ● 有顶会论文（ACL/EMNLP/ICLR/NeurIPS/ICML等）/高影响项目/开源贡献者加分。 2.专业能力 ● 模型与后训练：解Transformer/LLM模型架构、演进原理与局限；具备SFT/DPO/RL等后训练与迭代能力（含数据/评估/优化），对后训练算法有实践经验和深刻认知；拥有Agentic RL训练实操经验者优先。 ● Agent与系统编排：能做任务拆解与多Agent协作；熟悉RAG、Memory、Tool-Use（含MCP/类协议/Skills等）并能工程化落地；独立开发过具备一定影响力AI应用者优先。 ● 数据构建：具备Data-centric AI意识，精通后训练所需高质量数据挖掘与构造，具备合成数据（Synthetic Data）与动作轨迹（Trajectory）构建实践经验者优先。 ● 评测与交付：能搭建评估闭环（autorater/LLM-as-jud…
工作职责
将大模型能力做成可上线、可迭代、可控成本的产品能力。通过打造数据飞轮、模型适配与后训练、评测与实验等关键手段，实现端到端的闭环交付，持续提升产品的效果与稳定性。 具体职责包括以下相关方向的一项或多项： 1.需求与问题定义 ● 深入业务与产品共创需求，将诉求转化为可执行的AI任务定义，明确目标、边界、优先级与验收口径。 2.方案与应用架构 ● 在Prompt、RAG、微调、Agent等路线间做技术选型与权衡，设计端到端应用架构（含上下文、工具调用、记忆、权限与安全），并完成RAG、Memory、Tool Use、多Agent等能力的工程化落地与生产级集成。 3.数据飞轮与治理 ● 搭建高效的数据采集、清洗与标注工程流水线。前瞻性地探索合成数据与模型自标注等自循环策略，同时建立完善的数据版本追踪与质量评估体系，真正打通“模型训练-业务应用-用户反馈-数据迭代”的增强回路。 4.模型适配与后训练 ● 主导基座大模型向顶尖垂直行业专家的后训练的全链路技术演进，包括高质量的SFT、RL阶段PPO、GRPO等前沿强化学习与偏好优化算法攻坚，全面突破模型在复杂业务场景下的指令遵循精度、极致可控性与长链路逻辑推理天花板，显著提升大模型在复杂业务场景下应用能力。 5.评测体系与实验 ● 面向业务目标设计评测指标与Rubric，搭建自动化评测框架（含人工评审），建立离线基准与线上实验体系（A/B、Bandit），持续监控指标漂移与策略投机以防止效果退化。 6.生产交付与运营 ● 负责系统集成与上线发布，对线上质量、稳定性与成本负责，建立监控、告警、兜底与人工接管机制，推动持续迭代。
将大模型能力做成可上线、可迭代、可控成本的产品能力。通过打造数据飞轮、模型适配与后训练、评测与实验等关键手段，实现端到端的闭环交付，持续提升产品的效果与稳定性。 具体职责包括以下相关方向的一项或多项： 1.需求与问题定义 ● 深入业务与产品共创需求，将诉求转化为可执行的AI任务定义，明确目标、边界、优先级与验收口径。 2.方案与应用架构 ● 在Prompt、RAG、微调、Agent等路线间做技术选型与权衡，设计端到端应用架构（含上下文、工具调用、记忆、权限与安全），并完成RAG、Memory、Tool Use、多Agent等能力的工程化落地与生产级集成。 3.数据飞轮与治理 ● 搭建高效的数据采集、清洗与标注工程流水线。前瞻性地探索合成数据与模型自标注等自循环策略，同时建立完善的数据版本追踪与质量评估体系，真正打通“模型训练-业务应用-用户反馈-数据迭代”的增强回路。 4.模型适配与后训练 ● 主导基座大模型向顶尖垂直行业专家的后训练的全链路技术演进，包括高质量的SFT、RL阶段PPO、GRPO等前沿强化学习与偏好优化算法攻坚，全面突破模型在复杂业务场景下的指令遵循精度、极致可控性与长链路逻辑推理天花板，显著提升大模型在复杂业务场景下应用能力。 5.评测体系与实验 ● 面向业务目标设计评测指标与Rubric，搭建自动化评测框架（含人工评审），建立离线基准与线上实验体系（A/B、Bandit），持续监控指标漂移与策略投机以防止效果退化。 6.生产交付与运营 ● 负责系统集成与上线发布，对线上质量、稳定性与成本负责，建立监控、告警、兜底与人工接管机制，推动持续迭代。
1. 负责人工智能核心算法与模型的设计、开发及优化，深耕AI在文本、图像、语音等多模态场景的应用，涵盖分类、分析、生成等核心任务，确保算法在业务场景中高效落地； 2. 主导大规模文本数据的全流程处理，包括数据清洗、预处理、特征工程及高质量数据集构建，解决实际业务中数据噪声、数据不均衡等问题； 3. 负责AI应用系统及工具的全生命周期管理，涵盖架构设计、开发实现、部署上线及迭代维护，如智能分析平台、AI驱动的搜索系统等； 4. 作为技术核心与产品、工程等跨团队成员深度协作，精准拆解业务需求，提供可落地、高性价比的AI技术解决方案并推动落地； 5. 持续追踪AI领域前沿技术动态（如大模型演进、多模态融合、强化学习应用等），结合业务场景进行技术预研与创新，提升团队技术竞争力； 6. 基于业务场景优化AI模型应用，为新闻等内容场景提供精准的AI驱动解决方案，包括智能内容标签、分类、topic挖掘等核心能力建设及落地支持； 7. 熟练运用AI模型调优、prompt工程、大模型微调（SFT）等技术，构建AI辅助内容生成系统，支撑新闻摘要、智能问答、内容扩写等核心业务需求；
1、模型训练： 研究并应用先进大模型训练技术（如SFT、RL、Post-training等）, 构建面向生服场景的垂类大模型； 2、Agent化：负责内容生成的pipeline和agent构建，提升AIGC产线的泛化性水平和转化效率，最终实现对优秀人类作品的端到端学习和拟人化对标； 3、数据驱动优化：基于业务数据统计和挖掘，发现当前系统问题和待提升方面，进而制定优化计划； 4、行业对标：紧跟基模和行业产品发展趋势，推动新模型的产品化落地。