主分类：AI模型评测工程
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": "数据技术及产品部 AI Data-RL Data算法工程师-RL Instance构建方向",
"job_level": "未披露",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": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 通过分析主流Benchmark及模型评测结果等方式，结合训练需求确定 RL 数据的能力覆盖范围与优先级；从多种渠道的海量数据里筛选挖掘样本并构建出清晰、可执行的问题描述，作为后续rollout数据生产的起点。\n2. 针对 Coding 及 Work 等场景，以人机协作的方式设计并构建Agent的运行环境，以及可量化的 Verifier 或多维度打分 Rubric。需要保证环境和Judge的正确性、完整性、鲁棒性，且持续迭代以应对 Reward Hacking等各类挑战，确保评估信号与训练目标对齐。\n3. 端到端搭建批量化的数据生产与验证 Pipeline，涵盖任务生成、轨迹采样、自动校验和质量过滤；构建 QA 框架，对rollout结果进行预校验与失败模式分析，保障进入训练的数据可信、可追溯。\n4. 与领域专家和算法/训练等团队紧密配合，将模型效果反馈转化为数据策略调整（任务难度、Reward 信号、标注规范等）；与标注、工程等团队协作，推动产线持续优化，形成\"评测 → 数据 → 训练 → 评测\"的闭环飞轮。",
"requirements_text": "1. 具备 RL/Post-Training 研究或机器学习Applied Scientist 相关经历，理解 Reward Modeling 基本原理及 Reward 信号设计对 RL 训练（PPO/GRPO/DAPO 等）的影响；有 Agentic 场景的轨迹评估分析经验，可以对多轮工具调用、代码执行等复杂轨迹识别行为模式与失败模式。\n2. 能将模糊的质量目标拆解为可执行、可量化、可扩展的评估标准（Verifier / Rubric），并具备持续迭代以应对 Reward Hacking 的判断力。能与领域专家和标注团队协同，以人机协作的方式完成各类任务。\n3. 熟练使用 Python，熟悉主流的harness/agent框架，能独立完成数据处理脚本、自动化 Pipeline 和 QA 校验工具的开发；具备搭建端到端数据产线，构建容器环境的工程经验，保障数据生产的规模化与可追溯性。\n4. 沟通与文档能力：优秀的书面表达能力，能产出清晰的 Rubric 规范、技术方案和问题定义文档；善于跨团队协作，能将算法侧的模型反馈准确翻译为数据策略调整。\n5. 有大规模机器学习任务调优经验者优先，有某个领域任务深度经验者优先（数学物理，ACM，kernel研发，高并发/HFT，软件工程，research，science等）\n6. 对LLM，AGI/ASI感兴趣，践行AI Native工作范式者优先",
"skills": [AI生成
"Python",
"机器学习",
"团队协作"
],
"preferred_qualifications": "5. 有大规模机器学习任务调优经验者优先，有某个领域任务深度经验者优先（数学物理，ACM，kernel研发，高并发/HFT，软件工程，research，science等）；6. 对LLM，AGI/ASI感兴趣，践行AI Native工作范式者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100024040001"
}
]
},
"posting": {
"posting_id": "100024040001",
"post_date": "2026-09-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100024040001"
},
"fulltext": "数据技术及产品部 AI Data-RL Data算法工程师-RL Instance构建方向\n数据技术及产品部 AI Data-RL Data算法工程师-RL Instance构建方向\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. 通过分析主流Benchmark及模型评测结果等方式，结合训练需求确定 RL 数据的能力覆盖范围与优先级；从多种渠道的海量数据里筛选挖掘样本并构建出清晰、可执行的问题描述，作为后续rollout数据生产的起点。\n2. 针对 Coding 及 Work 等场景，以人机协作的方式设计并构建Agent的运行环境，以及可量化的 Verifier 或多维度打分 Rubric。需要保证环境和Judge的正确性、完整性、鲁棒性，且持续迭代以应对 Reward Hacking等各类挑战，确保评估信号与训练目标对齐。\n3. 端到端搭建批量化的数据生产与验证 Pipeline，涵盖任务生成、轨迹采样、自动校验和质量过滤；构建 QA 框架，对rollout结果进行预校验与失败模式分析，保障进入训练的数据可信、可追溯。\n4. 与领域专家和算法/训练等团队紧密配合，将模型效果反馈转化为数据策略调整（任务难度、Reward 信号、标注规范等）；与标注、工程等团队协作，推动产线持续优化，形成\"评测 → 数据 → 训练 → 评测\"的闭环飞轮。\n\n职位要求\n1. 具备 RL/Post-Training 研究或机器学习Applied Scientist 相关经历，理解 Reward Modeling 基本原理及 Reward 信号设计对 RL 训练（PPO/GRPO/DAPO 等）的影响；有 Agentic 场景的轨迹评估分析经验，可以对多轮工具调用、代码执行等复杂轨迹识别行为模式与失败模式。\n2. 能将模糊的质量目标拆解为可执行、可量化、可扩展的评估标准（Verifier / Rubric），并具备持续迭代以应对 Reward Hacking 的判断力。能与领域专家和标注团队协同，以人机协作的方式完成各类任务。\n3. 熟练使用 Python，熟悉主流的harness/agent框架，能独立完成数据处理脚本、自动化 Pipeline 和 QA 校验工具的开发；具备搭建端到端数据产线，构建容器环境的工程经验，保障数据生产的规模化与可追溯性。\n4. 沟通与文档能力：优秀的书面表达能力，能产出清晰的 Rubric 规范、技术方案和问题定义文档；善于跨团队协作，能将算法侧的模型反馈准确翻译为数据策略调整。\n5. 有大规模机器学习任务调优经验者优先，有某个领域任务深度经验者优先（数学物理，ACM，kernel研发，高并发/HFT，软件工程，research，science等）\n6. 对LLM，AGI/ASI感兴趣，践行AI Native工作范式者优先\n1. 通过分析主流Benchmark及模型评测结果等方式，结合训练需求确定 RL 数据的能力覆盖范围与优先级；从多种渠道的海量数据里筛选挖掘样本并构建出清晰、可执行的问题描述，作为后续rollout数据生产的起点。\n2. 针对 Coding 及 Work 等场景，以人机协作的方式设计并构建Agent的运行环境，以及可量化的 Verifier 或多维度打分 Rubric。需要保证环境和Judge的正确性、完整性、鲁棒性，且持续迭代以应对 Reward Hacking等各类挑战，确保评估信号与训练目标对齐。\n3. 端到端搭建批量化的数据生产与验证 Pipeline，涵盖任务生成、轨迹采样、自动校验和质量过滤；构建 QA 框架，对rollout结果进行预校验与失败模式分析，保障进入训练的数据可信、可追溯。\n4. 与领域专家和算法/训练等团队紧密配合，将模型效果反馈转化为数据策略调整（任务难度、Reward 信号、标注规范等）；与标注、工程等团队协作，推动产线持续优化，形成\"评测 → 数据 → 训练 → 评测\"的闭环飞轮。\n1. 具备 RL/Post-Training 研究或机器学习Applied Scientist 相关经历，理解 Reward Modeling 基本原理及 Reward 信号设计对 RL 训练（PPO/GRPO/DAPO 等）的影响；有 Agentic 场景的轨迹评估分析经验，可以对多轮工具调用、代码执行等复杂轨迹识别行为模式与失败模式。\n2. 能将模糊的质量目标拆解为可执行、可量化、可扩展的评估标准（Verifier / Rubric），并具备持续迭代以应对 Reward Hacking 的判断力。能与领域专家和标注团队协同，以人机协作的方式完成各类任务。\n3. 熟练使用 Python，熟悉主流的harness/agent框架，能独立完成数据处理脚本、自动化 Pipeline 和 QA 校验工具的开发；具备搭建端到端数据产线，构建容器环境的工程经验，保障数据生产的规模化与可追溯性。\n4. 沟通与文档能力：优秀的书面表达能力，能产出清晰的 Rubric 规范、技术方案和问题定义文档；善于跨团队协作，能将算法侧的模型反馈准确翻译为数据策略调整。\n5. 有大规模机器学习任务调优经验者优先，有某个领域任务深度经验者优先（数学物理，ACM，kernel研发，高并发/HFT，软件工程，research，science等）\n6. 对LLM，AGI/ASI感兴趣，践行AI Native工作范式者优先",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}