{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "日常实习生-数据智多星-数据评测算法方向",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "阿里巴巴控股集团",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"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": "【你将获得】"
    },
    "requirements": {
        "working_years": "",
        "degree": "学历要求： 高校在读博士生（特别优秀的硕士生可放宽限制）",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "我们团队专注于大模型的高质量数据合成算法与通用评测算法研究，希望在AI下半场通过评测驱动的方式引领大模型技术方向。我们的研究方向覆盖：\n1. 多智能体协作式数据合成算法\n2. 高质量训练数据筛选算法\n3. RL算法创新\n4. 通用Reward model训练方法\n5. Agent Harness工程 & Agent环境scaling算法\n职位描述：\n1、裁判/奖励模型（Reward Model）研发：结合最前沿的训练技术（如 SFT、RLHF、DPO/PPO 等），构建 SOTA 级别的奖励模型，为业务侧强化学习（RL）提供核心动能。\n2、评测体系与 Benchmark 构建：运用多智能体（Multi-Agent）技术构建权威评测基准，或研发自动化的评测合成方案，精准量化 SOTA 模型的能力边界与缺陷，驱动“数据-评测”闭环飞轮。\n3、数据合成技术创新：探索创新的数据合成算法，生产高难度、高多样性的训练与评测语料；同时利用算法构建智能体（Agent）训练与评测所需的复杂仿真环境。\n4、前沿强化学习（RL）算法探索：跟踪并研究 RL 领域的最新进展，挑战通用强化学习算法的性能极限，推动技术从理论突破向实际场景转化。",
        "requirements_text": "1、学历要求： 高校在读博士生（特别优秀的硕士生可放宽限制），计算机、人工智能、软件工程、认知科学、脑科学或其他AI相关专业。\n2、技术背景： 对大语言模型（LLM）、智能体（Agent）、强化学习或相关底层架构有深入理解，具备扎实的编程能力与工程实现能力。\n3、研究能力： 具备独立提出问题、设计实验并解决复杂问题的能力。有顶级会议（如ACL, ICLR, NeurIPS, ICML, colm等）论文发表经验者优先。获得过ACM、NOI金牌或同等水平竞赛奖项优先。\n4、实习时间： 为了保证研究的完整性与成果落地，实习期要求不少于3个月（建议3-6个月），能够沉下心推进完整的闭环研究。\n【你将获得】\n• 真实的业务落地与影响力： 你的研究成果将直接交付评测集、训练数据，沉淀数据生产方法（合成流水线、标注规范等），在真实业务中产生巨大价值。\n• 顶会论文发表支持： 在保障业务落地的基础上，团队大力支持将研究成果转化为CCF-A类会议或同等级顶会论文。若实习生为主要的实验和论文完成人，默认以第一作者身份发表。\n• 资深专家1v1指导： 采用导师负责制，为你指定专属资深导师，定期回顾目标与成果，并在专业探索与个人成长上提供全方位护航。",
        "skills": [AI生成
            "强化学习",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "有顶级会议（如ACL, ICLR, NeurIPS, ICML, colm等）论文发表经验者优先；获得过ACM、NOI金牌或同等水平竞赛奖项优先",
        "job_highlights": "【你将获得】"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199904380008?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199904380008",
        "post_date": "2026-05-18",
        "hire_time": "4、实习时间： 为了保证研究的完整性与成果落地，实习期要求不少于3个月（建议3-6个月），能够沉下心推进完整的闭环研究",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199904380008?deptCodes="
    },
    "fulltext": "日常实习生-数据智多星-数据评测算法方向\n日常实习生-数据智多星-数据评测算法方向\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2030-01-01\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：北京\n\n职位描述\n我们团队专注于大模型的高质量数据合成算法与通用评测算法研究，希望在AI下半场通过评测驱动的方式引领大模型技术方向。我们的研究方向覆盖：\n1. 多智能体协作式数据合成算法\n2. 高质量训练数据筛选算法\n3. RL算法创新\n4. 通用Reward model训练方法\n5. Agent Harness工程 & Agent环境scaling算法\n职位描述：\n1、裁判/奖励模型（Reward Model）研发：结合最前沿的训练技术（如 SFT、RLHF、DPO/PPO 等），构建 SOTA 级别的奖励模型，为业务侧强化学习（RL）提供核心动能。\n2、评测体系与 Benchmark 构建：运用多智能体（Multi-Agent）技术构建权威评测基准，或研发自动化的评测合成方案，精准量化 SOTA 模型的能力边界与缺陷，驱动“数据-评测”闭环飞轮。\n3、数据合成技术创新：探索创新的数据合成算法，生产高难度、高多样性的训练与评测语料；同时利用算法构建智能体（Agent）训练与评测所需的复杂仿真环境。\n4、前沿强化学习（RL）算法探索：跟踪并研究 RL 领域的最新进展，挑战通用强化学习算法的性能极限，推动技术从理论突破向实际场景转化。\n\n职位要求\n1、学历要求： 高校在读博士生（特别优秀的硕士生可放宽限制），计算机、人工智能、软件工程、认知科学、脑科学或其他AI相关专业。\n2、技术背景： 对大语言模型（LLM）、智能体（Agent）、强化学习或相关底层架构有深入理解，具备扎实的编程能力与工程实现能力。\n3、研究能力： 具备独立提出问题、设计实验并解决复杂问题的能力。有顶级会议（如ACL, ICLR, NeurIPS, ICML, colm等）论文发表经验者优先。获得过ACM、NOI金牌或同等水平竞赛奖项优先。\n4、实习时间： 为了保证研究的完整性与成果落地，实习期要求不少于3个月（建议3-6个月），能够沉下心推进完整的闭环研究。\n【你将获得】\n• 真实的业务落地与影响力： 你的研究成果将直接交付评测集、训练数据，沉淀数据生产方法（合成流水线、标注规范等），在真实业务中产生巨大价值。\n• 顶会论文发表支持： 在保障业务落地的基础上，团队大力支持将研究成果转化为CCF-A类会议或同等级顶会论文。若实习生为主要的实验和论文完成人，默认以第一作者身份发表。\n• 资深专家1v1指导： 采用导师负责制，为你指定专属资深导师，定期回顾目标与成果，并在专业探索与个人成长上提供全方位护航。\n\n在招业务\n阿里巴巴控股集团\n我们团队专注于大模型的高质量数据合成算法与通用评测算法研究，希望在AI下半场通过评测驱动的方式引领大模型技术方向。我们的研究方向覆盖：\n1. 多智能体协作式数据合成算法\n2. 高质量训练数据筛选算法\n3. RL算法创新\n4. 通用Reward model训练方法\n5. Agent Harness工程 & Agent环境scaling算法\n职位描述：\n1、裁判/奖励模型（Reward Model）研发：结合最前沿的训练技术（如 SFT、RLHF、DPO/PPO 等），构建 SOTA 级别的奖励模型，为业务侧强化学习（RL）提供核心动能。\n2、评测体系与 Benchmark 构建：运用多智能体（Multi-Agent）技术构建权威评测基准，或研发自动化的评测合成方案，精准量化 SOTA 模型的能力边界与缺陷，驱动“数据-评测”闭环飞轮。\n3、数据合成技术创新：探索创新的数据合成算法，生产高难度、高多样性的训练与评测语料；同时利用算法构建智能体（Agent）训练与评测所需的复杂仿真环境。\n4、前沿强化学习（RL）算法探索：跟踪并研究 RL 领域的最新进展，挑战通用强化学习算法的性能极限，推动技术从理论突破向实际场景转化。\n1、学历要求： 高校在读博士生（特别优秀的硕士生可放宽限制），计算机、人工智能、软件工程、认知科学、脑科学或其他AI相关专业。\n2、技术背景： 对大语言模型（LLM）、智能体（Agent）、强化学习或相关底层架构有深入理解，具备扎实的编程能力与工程实现能力。\n3、研究能力： 具备独立提出问题、设计实验并解决复杂问题的能力。有顶级会议（如ACL, ICLR, NeurIPS, ICML, colm等）论文发表经验者优先。获得过ACM、NOI金牌或同等水平竞赛奖项优先。\n4、实习时间： 为了保证研究的完整性与成果落地，实习期要求不少于3个月（建议3-6个月），能够沉下心推进完整的闭环研究。\n【你将获得】\n• 真实的业务落地与影响力： 你的研究成果将直接交付评测集、训练数据，沉淀数据生产方法（合成流水线、标注规范等），在真实业务中产生巨大价值。\n• 顶会论文发表支持： 在保障业务落地的基础上，团队大力支持将研究成果转化为CCF-A类会议或同等级顶会论文。若实习生为主要的实验和论文完成人，默认以第一作者身份发表。\n• 资深专家1v1指导： 采用导师负责制，为你指定专属资深导师，定期回顾目标与成果，并在专业探索与个人成长上提供全方位护航。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [
            "T015"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}