主分类：数据工程与数据平台研发
辅助：AI模型评测工程（仅展示）
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": "数据基础及产品部-RL Data 工程师-work（数据构造）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "产品"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": "职位描述\n1.从 0 到 1 生产合成 RL Instance：围绕种子任务构建完整 Instance（任务描述、运行环境、输入资产、评测钩子），通过参数化模板实现批量合成与自动校验，保证 Instance 的正确性、完整性与可复现性，作为 rollout 数据生产的起点。\n2.搭建 Agent 与 rollout 产线：基于主流 harness/agent 框架搭建 Agent 运行环境，端到端跑通轨迹采样、自动校验、质量过滤的生产 Pipeline，对 rollout 结果做预校验与失败模式分析，保障进入训练的数据可信、可追溯。\n3.建设 Verifier 与 Rubric：将模糊的质量目标拆解为可量化的 Verifier 和多维度打分 Rubric，与领域专家、标注团队以人机协作方式完成标注与校准，持续迭代以应对 Reward Hacking，确保评估信号与训练目标对齐。\n4.对接算法侧形成闭环：与算法/训练团队紧密配合，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），驱动“数据 → 训练 → 评测”持续迭代。",
"requirements_text": "岗位要求\n1.了解 RL 基本原理：理解 Reward Modeling 的基本原理及 Reward 信号设计对 RL 训练（PPO/GRPO 等）的影响，能从训练视角判断什么样的 Instance 是有效数据，并据此设计能力覆盖与难度分布。\n2.具备从 0 到 1 的合成生产能力：熟练使用 Python，能独立完成任务定义、容器化环境构建与参数化批量合成，有搭建端到端数据产线的工程经验，保障数据生产的规模化与可复现。\n3.动手能力强：熟悉主流 harness/agent 框架，能独立搭建 Agent 并批量采集 rollout 轨迹，能对多轮工具调用、代码执行等复杂轨迹识别行为模式与失败模式。\n4.具备 Verifier/Rubric 设计能力：能将模糊的质量目标拆解为可量化的 Verifier 与多维度打分 Rubric，具备识别和应对 Reward Hacking 的判断力。\n5.加分项：有办公、数据分析、金融、法律、医疗等 Cowork 场景任务的深度经验者优先；对 LLM、AGI 感兴趣，践行 AI Native 工作范式者优先。",
"skills": [AI生成
"Python",
"数据分析",
"大语言模型"
],
"preferred_qualifications": "5.加分项：有办公、数据分析、金融、法律、医疗等 Cowork 场景任务的深度经验者优先；对 LLM、AGI 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=100031340004"
}
]
},
"posting": {
"posting_id": "100031340004",
"post_date": "2026-08-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100031340004"
},
"fulltext": "数据基础及产品部-RL Data 工程师-work（数据构造）\n数据基础及产品部-RL Data 工程师-work（数据构造）\n\n基础信息\n工作地点：杭州\n\n职位描述\n职位描述\n1.从 0 到 1 生产合成 RL Instance：围绕种子任务构建完整 Instance（任务描述、运行环境、输入资产、评测钩子），通过参数化模板实现批量合成与自动校验，保证 Instance 的正确性、完整性与可复现性，作为 rollout 数据生产的起点。\n2.搭建 Agent 与 rollout 产线：基于主流 harness/agent 框架搭建 Agent 运行环境，端到端跑通轨迹采样、自动校验、质量过滤的生产 Pipeline，对 rollout 结果做预校验与失败模式分析，保障进入训练的数据可信、可追溯。\n3.建设 Verifier 与 Rubric：将模糊的质量目标拆解为可量化的 Verifier 和多维度打分 Rubric，与领域专家、标注团队以人机协作方式完成标注与校准，持续迭代以应对 Reward Hacking，确保评估信号与训练目标对齐。\n4.对接算法侧形成闭环：与算法/训练团队紧密配合，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），驱动“数据 → 训练 → 评测”持续迭代。\n\n职位要求\n岗位要求\n1.了解 RL 基本原理：理解 Reward Modeling 的基本原理及 Reward 信号设计对 RL 训练（PPO/GRPO 等）的影响，能从训练视角判断什么样的 Instance 是有效数据，并据此设计能力覆盖与难度分布。\n2.具备从 0 到 1 的合成生产能力：熟练使用 Python，能独立完成任务定义、容器化环境构建与参数化批量合成，有搭建端到端数据产线的工程经验，保障数据生产的规模化与可复现。\n3.动手能力强：熟悉主流 harness/agent 框架，能独立搭建 Agent 并批量采集 rollout 轨迹，能对多轮工具调用、代码执行等复杂轨迹识别行为模式与失败模式。\n4.具备 Verifier/Rubric 设计能力：能将模糊的质量目标拆解为可量化的 Verifier 与多维度打分 Rubric，具备识别和应对 Reward Hacking 的判断力。\n5.加分项：有办公、数据分析、金融、法律、医疗等 Cowork 场景任务的深度经验者优先；对 LLM、AGI 感兴趣，践行 AI Native 工作范式者优先。\n职位描述\n1.从 0 到 1 生产合成 RL Instance：围绕种子任务构建完整 Instance（任务描述、运行环境、输入资产、评测钩子），通过参数化模板实现批量合成与自动校验，保证 Instance 的正确性、完整性与可复现性，作为 rollout 数据生产的起点。\n2.搭建 Agent 与 rollout 产线：基于主流 harness/agent 框架搭建 Agent 运行环境，端到端跑通轨迹采样、自动校验、质量过滤的生产 Pipeline，对 rollout 结果做预校验与失败模式分析，保障进入训练的数据可信、可追溯。\n3.建设 Verifier 与 Rubric：将模糊的质量目标拆解为可量化的 Verifier 和多维度打分 Rubric，与领域专家、标注团队以人机协作方式完成标注与校准，持续迭代以应对 Reward Hacking，确保评估信号与训练目标对齐。\n4.对接算法侧形成闭环：与算法/训练团队紧密配合，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），驱动“数据 → 训练 → 评测”持续迭代。\n岗位要求\n1.了解 RL 基本原理：理解 Reward Modeling 的基本原理及 Reward 信号设计对 RL 训练（PPO/GRPO 等）的影响，能从训练视角判断什么样的 Instance 是有效数据，并据此设计能力覆盖与难度分布。\n2.具备从 0 到 1 的合成生产能力：熟练使用 Python，能独立完成任务定义、容器化环境构建与参数化批量合成，有搭建端到端数据产线的工程经验，保障数据生产的规模化与可复现。\n3.动手能力强：熟悉主流 harness/agent 框架，能独立搭建 Agent 并批量采集 rollout 轨迹，能对多轮工具调用、代码执行等复杂轨迹识别行为模式与失败模式。\n4.具备 Verifier/Rubric 设计能力：能将模糊的质量目标拆解为可量化的 Verifier 与多维度打分 Rubric，具备识别和应对 Reward Hacking 的判断力。\n5.加分项：有办公、数据分析、金融、法律、医疗等 Cowork 场景任务的深度经验者优先；对 LLM、AGI 感兴趣，践行 AI Native 工作范式者优先。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}