主分类：AI训练数据标注与评测运营
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-RL Data 工程师-Work（设计方向）",
"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": "设计"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. 端到端负责RL数据（Work 方向）项目：从方案设计、数据有效性验证到规模化生产 ，帮助模型在性能上达到业界SOTA。\n2. 数据体系搭建：构建 Work 方向数据构造与标注规范体系，涵盖 AI 办公软件、金融、法律、电商、网络安全、芯片 EDA、Visual Design 等方向的 Rubric 制定、评分标准分级与标注案例库建设。\n3. 轨迹标注生产：对模型 Rollout 产出的多步执行轨迹进行逐步标注（正确性/必要性/思考质量/整体 Reward），管理外部数据供应商交付质量，运营内部专家数据产能。\n4. Bad Case 归因分析：对标注轨迹中的失败步骤做根因分类（模型能力不足 / 评测标准缺陷 / 任务定义问题），输出结构化改进清单，驱动训练数据补充与评测体系修正。\n5. 标注质量管控：建立双标一致性校验、金标准抽检、系统性偏差检测与分歧仲裁机制，确保标注数据可直接用于 Reward Model 训练，标注间一致率 ≥80%。\n6. 数据输出与迭代：周期性输出标注数据质量报告，识别模型能力薄弱区间，指导算法团队调整 Rollout 抽样策略与难度分布；随模型迭代补充更高难度标注数据，保持 Reward Model 区分度。\n7. 定义评分标准(rubrics)、黄金集(golden sets)和奖励信号(reward signals)，确保训练数据质量可量化、可追溯、可迭代。\n8. 协同算法团队闭环：与模型训练/RL算法团队紧密配合，将模型效果反馈翻译为数据改进策略，驱动数据→模型→评测的飞轮。",
"requirements_text": "1. 有 Visual Design 等领域的行业经验，能基于专业判断对 Agent 输出做准确的对错裁定，而非仅凭\"看起来合理\"。\n2. 具备轨迹级标注能力：能对 Agent 多步执行序列逐步评判正确性、必要性、思考质量，准确归因 bad case 根因（模型能力不足 / 评测标准缺陷 / 任务定义问题）。\n3. 能理解并严格执行 Rubric 评分标准，标注一致性高；遇到 Rubric 未覆盖的边界情况能准确记录并反馈，而非自行发挥。\n4. 有双标校验、分歧仲裁的协作经验，能清晰表述评分依据，说服或接受他人的合理异议。\n5. 能区分\"最终结果错误\"与\"过程路径不优\"——前者是硬伤，后者需按梯度扣分而非一刀切判零。\n6. 熟悉 Agent 工具调用模式（bash/python/API），能读懂执行日志和代码片段，判断操作是否冗余、是否有隐性副作用。\n方向 6：Visual Design \n精通 Figma/Adobe 系列，理解栅格、色彩、字体层级等设计规范，能从审美和工程两个维度评判视觉产物。",
"skills": [AI生成
"Python",
"Figma"
],
"preferred_qualifications": "未披露",
"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=100037340003"
}
]
},
"posting": {
"posting_id": "100037340003",
"post_date": "2026-09-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100037340003"
},
"fulltext": "数据技术及产品部-RL Data 工程师-Work（设计方向）\n数据技术及产品部-RL Data 工程师-Work（设计方向）\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 端到端负责RL数据（Work 方向）项目：从方案设计、数据有效性验证到规模化生产 ，帮助模型在性能上达到业界SOTA。\n2. 数据体系搭建：构建 Work 方向数据构造与标注规范体系，涵盖 AI 办公软件、金融、法律、电商、网络安全、芯片 EDA、Visual Design 等方向的 Rubric 制定、评分标准分级与标注案例库建设。\n3. 轨迹标注生产：对模型 Rollout 产出的多步执行轨迹进行逐步标注（正确性/必要性/思考质量/整体 Reward），管理外部数据供应商交付质量，运营内部专家数据产能。\n4. Bad Case 归因分析：对标注轨迹中的失败步骤做根因分类（模型能力不足 / 评测标准缺陷 / 任务定义问题），输出结构化改进清单，驱动训练数据补充与评测体系修正。\n5. 标注质量管控：建立双标一致性校验、金标准抽检、系统性偏差检测与分歧仲裁机制，确保标注数据可直接用于 Reward Model 训练，标注间一致率 ≥80%。\n6. 数据输出与迭代：周期性输出标注数据质量报告，识别模型能力薄弱区间，指导算法团队调整 Rollout 抽样策略与难度分布；随模型迭代补充更高难度标注数据，保持 Reward Model 区分度。\n7. 定义评分标准(rubrics)、黄金集(golden sets)和奖励信号(reward signals)，确保训练数据质量可量化、可追溯、可迭代。\n8. 协同算法团队闭环：与模型训练/RL算法团队紧密配合，将模型效果反馈翻译为数据改进策略，驱动数据→模型→评测的飞轮。\n\n职位要求\n1. 有 Visual Design 等领域的行业经验，能基于专业判断对 Agent 输出做准确的对错裁定，而非仅凭\"看起来合理\"。\n2. 具备轨迹级标注能力：能对 Agent 多步执行序列逐步评判正确性、必要性、思考质量，准确归因 bad case 根因（模型能力不足 / 评测标准缺陷 / 任务定义问题）。\n3. 能理解并严格执行 Rubric 评分标准，标注一致性高；遇到 Rubric 未覆盖的边界情况能准确记录并反馈，而非自行发挥。\n4. 有双标校验、分歧仲裁的协作经验，能清晰表述评分依据，说服或接受他人的合理异议。\n5. 能区分\"最终结果错误\"与\"过程路径不优\"——前者是硬伤，后者需按梯度扣分而非一刀切判零。\n6. 熟悉 Agent 工具调用模式（bash/python/API），能读懂执行日志和代码片段，判断操作是否冗余、是否有隐性副作用。\n方向 6：Visual Design \n精通 Figma/Adobe 系列，理解栅格、色彩、字体层级等设计规范，能从审美和工程两个维度评判视觉产物。\n1. 端到端负责RL数据（Work 方向）项目：从方案设计、数据有效性验证到规模化生产 ，帮助模型在性能上达到业界SOTA。\n2. 数据体系搭建：构建 Work 方向数据构造与标注规范体系，涵盖 AI 办公软件、金融、法律、电商、网络安全、芯片 EDA、Visual Design 等方向的 Rubric 制定、评分标准分级与标注案例库建设。\n3. 轨迹标注生产：对模型 Rollout 产出的多步执行轨迹进行逐步标注（正确性/必要性/思考质量/整体 Reward），管理外部数据供应商交付质量，运营内部专家数据产能。\n4. Bad Case 归因分析：对标注轨迹中的失败步骤做根因分类（模型能力不足 / 评测标准缺陷 / 任务定义问题），输出结构化改进清单，驱动训练数据补充与评测体系修正。\n5. 标注质量管控：建立双标一致性校验、金标准抽检、系统性偏差检测与分歧仲裁机制，确保标注数据可直接用于 Reward Model 训练，标注间一致率 ≥80%。\n6. 数据输出与迭代：周期性输出标注数据质量报告，识别模型能力薄弱区间，指导算法团队调整 Rollout 抽样策略与难度分布；随模型迭代补充更高难度标注数据，保持 Reward Model 区分度。\n7. 定义评分标准(rubrics)、黄金集(golden sets)和奖励信号(reward signals)，确保训练数据质量可量化、可追溯、可迭代。\n8. 协同算法团队闭环：与模型训练/RL算法团队紧密配合，将模型效果反馈翻译为数据改进策略，驱动数据→模型→评测的飞轮。\n1. 有 Visual Design 等领域的行业经验，能基于专业判断对 Agent 输出做准确的对错裁定，而非仅凭\"看起来合理\"。\n2. 具备轨迹级标注能力：能对 Agent 多步执行序列逐步评判正确性、必要性、思考质量，准确归因 bad case 根因（模型能力不足 / 评测标准缺陷 / 任务定义问题）。\n3. 能理解并严格执行 Rubric 评分标准，标注一致性高；遇到 Rubric 未覆盖的边界情况能准确记录并反馈，而非自行发挥。\n4. 有双标校验、分歧仲裁的协作经验，能清晰表述评分依据，说服或接受他人的合理异议。\n5. 能区分\"最终结果错误\"与\"过程路径不优\"——前者是硬伤，后者需按梯度扣分而非一刀切判零。\n6. 熟悉 Agent 工具调用模式（bash/python/API），能读懂执行日志和代码片段，判断操作是否冗余、是否有隐性副作用。\n方向 6：Visual Design \n精通 Figma/Adobe 系列，理解栅格、色彩、字体层级等设计规范，能从审美和工程两个维度评判视觉产物。",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}