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": "智多星RL Data - Coding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": "杭州",
"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": "未披露"
},
"requirements": {
"working_years": "",
"degree": "在读博士生优先（特别优秀的硕士生可放宽）",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 端到端负责RL数据（coding 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. Rubric 与评估体系设计：将业务目标和模型能力目标抽象为多维度、层级化的评分标准（Rubric），设计权重、评分规则和边界 case 处理策略；持续迭代 Rubric 以覆盖新场景、堵住 reward hacking 路径。\n3. RL Data 生产与质量保障：端到端负责 Agentic 场景的数据生产项目，从任务设计、轨迹采样、标注执行到质量验收；构建 QA 框架，对 Grader 输出做一致性校验和失败模式分析，确保进入训练的数据可信。\n4. 失败模式归纳与数据迭代: 从大量 Trajectory 中归纳 Error Taxonomy，建立失败模式分类体系，将分析结论转化为数据策略调整（任务难度、Reward 信号修正、标注规范更新），形成数据飞轮闭环。\n5. 协同算法团队闭环：与模型训练/RL算法团队紧密配合，对接 Reward/Grader 需求, 将模型效果反馈翻译为数据改进策略。\n6. 数据体系设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐;\n7. 探索更科学的评测指标、更高效的评测方法。",
"requirements_text": "1. 在读博士生优先（特别优秀的硕士生可放宽）；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. 具备 RL/Post-Training 研究背景、Applied Scientist 经历，有 Agentic/轨迹评估方面的深度经验\n3. 能够将模糊的质量目标编码为可执行、可量化、可扩展的评估标准。\n4. 熟练的编程能力（Python 为主），能独立完成数据处理脚本、pipeline 开发和自动化工具搭建\n5. 能读懂 Agent 轨迹（多轮工具调用、代码执行、搜索检索等），理解 Agentic 系统的行为模式和失败模式\n6. 了解 Reward Modeling 基本原理，理解 Reward 信号设计对 RL 训练（PPO/GRPO/DAPO 等）的影响\n7. 优秀的书面表达和文档能力，能撰写清晰的 Rubric 规范和技术方案\n8. 下设细分方向：\n方向 1：移动端开发、全栈Web、前端组件、Node.js BFF、浏览器Agent \n方向 2：系统底层、高性能计算、嵌入式、安全、运维\n方向 3：企业级后端、微服务、云原生、中间件\n方向 4：AI/ML、数据科学、自动化脚本\n方向 5：数据分析、ETL、Text-to-SQL Agent\n方向 6: 游戏开发",
"skills": [AI生成
"Python",
"SQL",
"微服务",
"数据分析",
"嵌入式"
],
"preferred_qualifications": "1. 在读博士生优先（特别优秀的硕士生可放宽）",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907720001?deptCodes="
}
]
},
"posting": {
"posting_id": "199907720001",
"post_date": "2026-07-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907720001?deptCodes="
},
"fulltext": "智多星RL Data - Coding方向\n智多星RL Data - Coding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：杭州\n\n职位描述\n1. 端到端负责RL数据（coding 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. Rubric 与评估体系设计：将业务目标和模型能力目标抽象为多维度、层级化的评分标准（Rubric），设计权重、评分规则和边界 case 处理策略；持续迭代 Rubric 以覆盖新场景、堵住 reward hacking 路径。\n3. RL Data 生产与质量保障：端到端负责 Agentic 场景的数据生产项目，从任务设计、轨迹采样、标注执行到质量验收；构建 QA 框架，对 Grader 输出做一致性校验和失败模式分析，确保进入训练的数据可信。\n4. 失败模式归纳与数据迭代: 从大量 Trajectory 中归纳 Error Taxonomy，建立失败模式分类体系，将分析结论转化为数据策略调整（任务难度、Reward 信号修正、标注规范更新），形成数据飞轮闭环。\n5. 协同算法团队闭环：与模型训练/RL算法团队紧密配合，对接 Reward/Grader 需求, 将模型效果反馈翻译为数据改进策略。\n6. 数据体系设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐;\n7. 探索更科学的评测指标、更高效的评测方法。\n\n职位要求\n1. 在读博士生优先（特别优秀的硕士生可放宽）；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. 具备 RL/Post-Training 研究背景、Applied Scientist 经历，有 Agentic/轨迹评估方面的深度经验\n3. 能够将模糊的质量目标编码为可执行、可量化、可扩展的评估标准。\n4. 熟练的编程能力（Python 为主），能独立完成数据处理脚本、pipeline 开发和自动化工具搭建\n5. 能读懂 Agent 轨迹（多轮工具调用、代码执行、搜索检索等），理解 Agentic 系统的行为模式和失败模式\n6. 了解 Reward Modeling 基本原理，理解 Reward 信号设计对 RL 训练（PPO/GRPO/DAPO 等）的影响\n7. 优秀的书面表达和文档能力，能撰写清晰的 Rubric 规范和技术方案\n8. 下设细分方向：\n方向 1：移动端开发、全栈Web、前端组件、Node.js BFF、浏览器Agent \n方向 2：系统底层、高性能计算、嵌入式、安全、运维\n方向 3：企业级后端、微服务、云原生、中间件\n方向 4：AI/ML、数据科学、自动化脚本\n方向 5：数据分析、ETL、Text-to-SQL Agent\n方向 6: 游戏开发\n\n在招业务\n阿里巴巴控股集团\n1. 端到端负责RL数据（coding 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. Rubric 与评估体系设计：将业务目标和模型能力目标抽象为多维度、层级化的评分标准（Rubric），设计权重、评分规则和边界 case 处理策略；持续迭代 Rubric 以覆盖新场景、堵住 reward hacking 路径。\n3. RL Data 生产与质量保障：端到端负责 Agentic 场景的数据生产项目，从任务设计、轨迹采样、标注执行到质量验收；构建 QA 框架，对 Grader 输出做一致性校验和失败模式分析，确保进入训练的数据可信。\n4. 失败模式归纳与数据迭代: 从大量 Trajectory 中归纳 Error Taxonomy，建立失败模式分类体系，将分析结论转化为数据策略调整（任务难度、Reward 信号修正、标注规范更新），形成数据飞轮闭环。\n5. 协同算法团队闭环：与模型训练/RL算法团队紧密配合，对接 Reward/Grader 需求, 将模型效果反馈翻译为数据改进策略。\n6. 数据体系设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐;\n7. 探索更科学的评测指标、更高效的评测方法。\n1. 在读博士生优先（特别优秀的硕士生可放宽）；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. 具备 RL/Post-Training 研究背景、Applied Scientist 经历，有 Agentic/轨迹评估方面的深度经验\n3. 能够将模糊的质量目标编码为可执行、可量化、可扩展的评估标准。\n4. 熟练的编程能力（Python 为主），能独立完成数据处理脚本、pipeline 开发和自动化工具搭建\n5. 能读懂 Agent 轨迹（多轮工具调用、代码执行、搜索检索等），理解 Agentic 系统的行为模式和失败模式\n6. 了解 Reward Modeling 基本原理，理解 Reward 信号设计对 RL 训练（PPO/GRPO/DAPO 等）的影响\n7. 优秀的书面表达和文档能力，能撰写清晰的 Rubric 规范和技术方案\n8. 下设细分方向：\n方向 1：移动端开发、全栈Web、前端组件、Node.js BFF、浏览器Agent \n方向 2：系统底层、高性能计算、嵌入式、安全、运维\n方向 3：企业级后端、微服务、云原生、中间件\n方向 4：AI/ML、数据科学、自动化脚本\n方向 5：数据分析、ETL、Text-to-SQL Agent\n方向 6: 游戏开发",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}