主分类：大模型与生成式算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "阿里云智能-高级算法专家-安全大模型后训练-杭州",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "云智能集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科及以上学历优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责安全大模型强化学习方向的整体技术规划和团队建设，制定中长期技术路线，识别关键技术问题，持续提升团队在LLM RL和Agentic RL方向的技术竞争力。主导安全大模型强化学习算法研发，围绕模型推理、规划、安全工具使用、代码安全类和复杂任务处理能力，持续探索和优化RLVR、在线强化学习、过程奖励及长程信用分配等关键技术。\n1. 面向漏洞分析和利用、代码安全、威胁研判、攻防任务等复杂场景，设计安全大模型的强化学习技术路线，提升模型理解、分析和执行安全任务的能力。\n2. 结合CVE、CTF、代码样本、安全知识、专业工具及授权环境，将真实安全问题转化为可交互、可验证、可复现、可规模化训练的强化学习任务。\n3. 建设强化学习的安全任务与安全场景环境体系，形成任务构建、环境执行、轨迹采集、策略优化和效果评估的完整闭环。\n4. 负责奖励机制与Verifier体系建设，综合运用程序执行、工具调用结果、环境反馈、规则约束和模型判断等方式，提高奖励信号的准确性、稳定性和泛化能力。\n5. 主导Agentic RL技术研发，提升模型在复杂任务中的任务分解、规划探索、工具选择、状态管理、错误恢复和跨步骤优化能力。",
"requirements_text": "1. 计算机、人工智能、机器学习、数学、自动化或相关专业，本科及以上学历优先。\n2. 具有3年以上机器学习或强化学习研发经验，具备大模型强化学习相关项目经验；核心项目负责人或有复杂技术方向Owner经验优先。\n3. 具有基于CVE、CTF、代码执行、系统环境或安全工具反馈构建RL任务、Verifier和奖励机制的经验。\n4. 能深入理解大语言模型强化学习的训练机制，熟悉主流LLM RL方法，能够从训练目标、采样策略、奖励机制和策略约束等角度分析和优化算法。\n5. 至少主导过一项大规模LLM RL、Agentic RL、Reasoning RL、Code RL或复杂任务强化学习项目，并取得可量化的模型能力、任务效果或训练效率提升。",
"skills": [AI生成
"机器学习",
"强化学习",
"大语言模型"
],
"preferred_qualifications": "1. 计算机、人工智能、机器学习、数学、自动化或相关专业，本科及以上学历优先；核心项目负责人或有复杂技术方向Owner经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100015923012"
}
]
},
"posting": {
"posting_id": "100015923012",
"post_date": "2026-08-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100015923012"
},
"fulltext": "阿里云智能-高级算法专家-安全大模型后训练-杭州\n阿里云智能-高级算法专家-安全大模型后训练-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n负责安全大模型强化学习方向的整体技术规划和团队建设，制定中长期技术路线，识别关键技术问题，持续提升团队在LLM RL和Agentic RL方向的技术竞争力。主导安全大模型强化学习算法研发，围绕模型推理、规划、安全工具使用、代码安全类和复杂任务处理能力，持续探索和优化RLVR、在线强化学习、过程奖励及长程信用分配等关键技术。\n1. 面向漏洞分析和利用、代码安全、威胁研判、攻防任务等复杂场景，设计安全大模型的强化学习技术路线，提升模型理解、分析和执行安全任务的能力。\n2. 结合CVE、CTF、代码样本、安全知识、专业工具及授权环境，将真实安全问题转化为可交互、可验证、可复现、可规模化训练的强化学习任务。\n3. 建设强化学习的安全任务与安全场景环境体系，形成任务构建、环境执行、轨迹采集、策略优化和效果评估的完整闭环。\n4. 负责奖励机制与Verifier体系建设，综合运用程序执行、工具调用结果、环境反馈、规则约束和模型判断等方式，提高奖励信号的准确性、稳定性和泛化能力。\n5. 主导Agentic RL技术研发，提升模型在复杂任务中的任务分解、规划探索、工具选择、状态管理、错误恢复和跨步骤优化能力。\n\n职位要求\n1. 计算机、人工智能、机器学习、数学、自动化或相关专业，本科及以上学历优先。\n2. 具有3年以上机器学习或强化学习研发经验，具备大模型强化学习相关项目经验；核心项目负责人或有复杂技术方向Owner经验优先。\n3. 具有基于CVE、CTF、代码执行、系统环境或安全工具反馈构建RL任务、Verifier和奖励机制的经验。\n4. 能深入理解大语言模型强化学习的训练机制，熟悉主流LLM RL方法，能够从训练目标、采样策略、奖励机制和策略约束等角度分析和优化算法。\n5. 至少主导过一项大规模LLM RL、Agentic RL、Reasoning RL、Code RL或复杂任务强化学习项目，并取得可量化的模型能力、任务效果或训练效率提升。\n负责安全大模型强化学习方向的整体技术规划和团队建设，制定中长期技术路线，识别关键技术问题，持续提升团队在LLM RL和Agentic RL方向的技术竞争力。主导安全大模型强化学习算法研发，围绕模型推理、规划、安全工具使用、代码安全类和复杂任务处理能力，持续探索和优化RLVR、在线强化学习、过程奖励及长程信用分配等关键技术。\n1. 面向漏洞分析和利用、代码安全、威胁研判、攻防任务等复杂场景，设计安全大模型的强化学习技术路线，提升模型理解、分析和执行安全任务的能力。\n2. 结合CVE、CTF、代码样本、安全知识、专业工具及授权环境，将真实安全问题转化为可交互、可验证、可复现、可规模化训练的强化学习任务。\n3. 建设强化学习的安全任务与安全场景环境体系，形成任务构建、环境执行、轨迹采集、策略优化和效果评估的完整闭环。\n4. 负责奖励机制与Verifier体系建设，综合运用程序执行、工具调用结果、环境反馈、规则约束和模型判断等方式，提高奖励信号的准确性、稳定性和泛化能力。\n5. 主导Agentic RL技术研发，提升模型在复杂任务中的任务分解、规划探索、工具选择、状态管理、错误恢复和跨步骤优化能力。\n1. 计算机、人工智能、机器学习、数学、自动化或相关专业，本科及以上学历优先。\n2. 具有3年以上机器学习或强化学习研发经验，具备大模型强化学习相关项目经验；核心项目负责人或有复杂技术方向Owner经验优先。\n3. 具有基于CVE、CTF、代码执行、系统环境或安全工具反馈构建RL任务、Verifier和奖励机制的经验。\n4. 能深入理解大语言模型强化学习的训练机制，熟悉主流LLM RL方法，能够从训练目标、采样策略、奖励机制和策略约束等角度分析和优化算法。\n5. 至少主导过一项大规模LLM RL、Agentic RL、Reasoning RL、Code RL或复杂任务强化学习项目，并取得可量化的模型能力、任务效果或训练效率提升。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}