阿里巴巴研究型实习生 - 大模型 Rubrics 评测与奖励建模算法

工作描述

任职要求
1. 计算机、人工智能、统计等相关专业在读博士。
2. 熟练 Python 与 PyTorch，能独立完成数据处理、训练脚本编写与实验分析。
3. 扎实的机器学习与深度学习基础，熟悉 LLM 的 Post-Training 范式（SFT / RLHF / RLVR / DPO 至少了解其一）。
4. 有模型评测、奖励模型训练相关经验，了解 RL 训练的常见方法和挑战，对高质量数据有极高的敏锐度，能通过实验快速验证数据配比对模型能力的影响并总结为方法论。
5. 对"如何定义好坏"这类评价问题有兴趣与判断力，做事细致，能耐受大量对照实验。
6. 有顶会论文（NeurIPS/ICLR/ICML/ACL 等）、高质量开源项目或知名比赛经历者优先。

加分项
1. 做过 Rubric-based / LLM-as-Judge 评测，或 Reward Model / Verifier 训练；了解 rubric 评分制的对齐研究（如 0–5 分制与人类标注一致性）。
2. 熟悉 reward hacking / reward …