阿里巴巴智多星RL Data - Coding方向

工作描述

任职要求
1. 在读博士生优先（特别优秀的硕士生可放宽）；计算机、人工智能、软件工程、认知科学、脑科学或其他 AI 相关专业。
2. 具备 RL/Post-Training 研究背景、Applied Scientist 经历，有 Agentic/轨迹评估方面的深度经验
3. 能够将模糊的质量目标编码为可执行、可量化、可扩展的评估标准。
4. 熟练的编程能力（Python 为主），能独立完成数据处理脚本、pipeline 开发和自动化工具搭建
5. 能读懂 Agent 轨迹（多轮工具调用、代码执行、搜索检索等），理解 Agentic 系统的行为模式和失败模式
6. 了解 Reward Modeling 基本原理，理解 Reward 信号设计对 RL 训练（PPO/GRPO/DAPO 等）的影响
7. 优秀的书面表达和文档能力，能撰写清晰的 Rubric 规范和技术方案
8. 下设细分方向：
方向 1：移动端开发、全栈Web、前端…