{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Token Foundry-基础大模型 Post-Training 算法专家-杭州/北京",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类-算法"AI生成
    },
    "company": {
        "company_name": "通义",
        "company_industry": "人工智能",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "通义提供人工智能模型及文档阅读等AI应用。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 1,
        "degree": "计算机科学、人工智能、数学等相关专业硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责大模型 Post-Training 全链路算法建设，覆盖 Pre-SFT、SFT、RLHF、RLVR（PPO / DPO / GRPO 等）各阶段的算法调优与策略设计，提升模型在指令遵循、工具调用、安全合规、多轮交互、long horizon task 等核心维度的综合能力。\n2. 负责 Reward Model 的设计、训练与迭代优化，构建 Verifier、LLM as Judge、Rule 等多元 Reward System，优化多维度（安全性、准确性、有用性、逻辑性、拟人度等）的偏好数据采集策略与训练方案。\n3. 设计高质量 SFT / RL 数据采集、清洗与标注方案，建立数据质量评估标准；通过实验驱动数据配比方法论，探索高质量数据合成、Agentic RL 等前沿方法，持续提升数据质量与多样性。\n4. 参与模型合版工作，包括数据配比策略、多任务训练优化、灾难性遗忘缓解等核心技术，确保各业务线智能体能力与基座模型的高效融合；分析线上 Badcase，将 RL 信号融入模型训练全流程。\n5. 探索 LLM 及 VLM 场景下的 Post-Training 方案，解决跨模态对齐与幻觉问题；跟踪 Agentic RL 等前沿研究进展，推动技术创新在基座大模型及 APP 对话助手产品中的落地。",
        "requirements_text": "1. 计算机科学、人工智能、数学等相关专业硕士及以上学历，1 年以上 NLP / LLM 领域一线研发经验。\n2. 对大模型 Post-Training 阶段有全局视角的理解，曾作为核心骨干完整参与过百亿/千亿级别模型的 SFT 与 RLHF 迭代过程；熟练掌握主流对齐算法（SFT、DPO、GRPO、PPO 等）及其底层数学逻辑。\n3. 有 Reward Model 训练和评估经验，了解偏好学习的常见方法和挑战；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。\n4. 熟练掌握 PyTorch，有大规模分布式训练经验，熟悉主流训练与推理框架，能快速定位并解决大规模训练中的工程问题。\n5. 对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先。\n6. 关注领域前沿，有 NeurIPS / ICML / ICLR / ACL / CVPR 等顶会论文发表者优先。",
        "skills": [AI生成
            "PyTorch",
            "自然语言处理",
            "大语言模型"
        ],
        "preferred_qualifications": "5. 对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先；6. 关注领域前沿，有 NeurIPS / ICML / ICLR / ACL / CVPR 等顶会论文发表者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100013560003"
            }
        ]
    },
    "posting": {
        "posting_id": "100013560003",
        "post_date": "2026-08-24",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100013560003"
    },
    "fulltext": "Token Foundry-基础大模型 Post-Training 算法专家-杭州/北京\nToken Foundry-基础大模型 Post-Training 算法专家-杭州/北京\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n1. 负责大模型 Post-Training 全链路算法建设，覆盖 Pre-SFT、SFT、RLHF、RLVR（PPO / DPO / GRPO 等）各阶段的算法调优与策略设计，提升模型在指令遵循、工具调用、安全合规、多轮交互、long horizon task 等核心维度的综合能力。\n2. 负责 Reward Model 的设计、训练与迭代优化，构建 Verifier、LLM as Judge、Rule 等多元 Reward System，优化多维度（安全性、准确性、有用性、逻辑性、拟人度等）的偏好数据采集策略与训练方案。\n3. 设计高质量 SFT / RL 数据采集、清洗与标注方案，建立数据质量评估标准；通过实验驱动数据配比方法论，探索高质量数据合成、Agentic RL 等前沿方法，持续提升数据质量与多样性。\n4. 参与模型合版工作，包括数据配比策略、多任务训练优化、灾难性遗忘缓解等核心技术，确保各业务线智能体能力与基座模型的高效融合；分析线上 Badcase，将 RL 信号融入模型训练全流程。\n5. 探索 LLM 及 VLM 场景下的 Post-Training 方案，解决跨模态对齐与幻觉问题；跟踪 Agentic RL 等前沿研究进展，推动技术创新在基座大模型及 APP 对话助手产品中的落地。\n\n职位要求\n1. 计算机科学、人工智能、数学等相关专业硕士及以上学历，1 年以上 NLP / LLM 领域一线研发经验。\n2. 对大模型 Post-Training 阶段有全局视角的理解，曾作为核心骨干完整参与过百亿/千亿级别模型的 SFT 与 RLHF 迭代过程；熟练掌握主流对齐算法（SFT、DPO、GRPO、PPO 等）及其底层数学逻辑。\n3. 有 Reward Model 训练和评估经验，了解偏好学习的常见方法和挑战；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。\n4. 熟练掌握 PyTorch，有大规模分布式训练经验，熟悉主流训练与推理框架，能快速定位并解决大规模训练中的工程问题。\n5. 对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先。\n6. 关注领域前沿，有 NeurIPS / ICML / ICLR / ACL / CVPR 等顶会论文发表者优先。\n1. 负责大模型 Post-Training 全链路算法建设，覆盖 Pre-SFT、SFT、RLHF、RLVR（PPO / DPO / GRPO 等）各阶段的算法调优与策略设计，提升模型在指令遵循、工具调用、安全合规、多轮交互、long horizon task 等核心维度的综合能力。\n2. 负责 Reward Model 的设计、训练与迭代优化，构建 Verifier、LLM as Judge、Rule 等多元 Reward System，优化多维度（安全性、准确性、有用性、逻辑性、拟人度等）的偏好数据采集策略与训练方案。\n3. 设计高质量 SFT / RL 数据采集、清洗与标注方案，建立数据质量评估标准；通过实验驱动数据配比方法论，探索高质量数据合成、Agentic RL 等前沿方法，持续提升数据质量与多样性。\n4. 参与模型合版工作，包括数据配比策略、多任务训练优化、灾难性遗忘缓解等核心技术，确保各业务线智能体能力与基座模型的高效融合；分析线上 Badcase，将 RL 信号融入模型训练全流程。\n5. 探索 LLM 及 VLM 场景下的 Post-Training 方案，解决跨模态对齐与幻觉问题；跟踪 Agentic RL 等前沿研究进展，推动技术创新在基座大模型及 APP 对话助手产品中的落地。\n1. 计算机科学、人工智能、数学等相关专业硕士及以上学历，1 年以上 NLP / LLM 领域一线研发经验。\n2. 对大模型 Post-Training 阶段有全局视角的理解，曾作为核心骨干完整参与过百亿/千亿级别模型的 SFT 与 RLHF 迭代过程；熟练掌握主流对齐算法（SFT、DPO、GRPO、PPO 等）及其底层数学逻辑。\n3. 有 Reward Model 训练和评估经验，了解偏好学习的常见方法和挑战；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。\n4. 熟练掌握 PyTorch，有大规模分布式训练经验，熟悉主流训练与推理框架，能快速定位并解决大规模训练中的工程问题。\n5. 对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先。\n6. 关注领域前沿，有 NeurIPS / ICML / ICLR / ACL / CVPR 等顶会论文发表者优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}