{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "算法工程师-强化学习",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "阿里国际数字商业集团 / 阿里云 / Token Foundry / 千问事业部",
        "location": "北京 / 杭州 / 上海",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里国际数字商业集团",
        "company_industry": "跨境电商",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "阿里国际数字商业业务涉及国际电商平台及跨境商品交易。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责大语言模型（LLM）及多模态模型后训练（Post-Training）阶段的强化学习算法迭代；\n2. 深入研究并优化基于人类、AI 及环境反馈的 RL 算法（如 PPO, DPO, GRPO, ORPO 等），提升模型的规则遵循与多目标平衡能力；\n3. 探索基于 RL 的 Reasoning 模型相关技术（如 CoT 思维链、CoA 动作链的融合），实现原生具备多步思考和工具调用能力的推理模型；\n4. 将 RL + LLM 技术应用于实际业务（如跨境贸易搜索、商家智能诊断、电商 Agent 等），设计并实现智能化的决策优化方案，提升业务效能。",
        "requirements_text": "1. 本科及以上学历，计算机、数学、统计学、物理或自动化等相关专业优先；\n2. 具备扎实的机器学习、深度学习及自然语言处理（NLP）理论基础，熟悉 Transformer、ViT、CLIP 等主流预训练模型；\n3. 深入理解强化学习原理，熟悉 RM、PPO、DPO、GRPO、MBRL 等至少数种 RL 算法及其应用范式；\n4. 精通 Python 编程，熟练运用 PyTorch 进行模型训练与调试；\n5. 具备极佳的工程实现能力，了解大模型训练系统（如分布式训练、加速优化）或相关底层代码库者优先。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "机器学习",
            "深度学习",
            "强化学习",
            "自然语言处理",
            "模型训练",
            "大语言模型"
        ],
        "preferred_qualifications": "1. 本科及以上学历，计算机、数学、统计学、物理或自动化等相关专业优先；5. 具备极佳的工程实现能力，了解大模型训练系统（如分布式训练、加速优化）或相关底层代码库者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907740101?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907740101",
        "post_date": "2026-08-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907740101?deptCodes="
    },
    "fulltext": "算法工程师-强化学习\n算法工程师-强化学习\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：北京 / 杭州 / 上海\n\n职位描述\n1. 负责大语言模型（LLM）及多模态模型后训练（Post-Training）阶段的强化学习算法迭代；\n2. 深入研究并优化基于人类、AI 及环境反馈的 RL 算法（如 PPO, DPO, GRPO, ORPO 等），提升模型的规则遵循与多目标平衡能力；\n3. 探索基于 RL 的 Reasoning 模型相关技术（如 CoT 思维链、CoA 动作链的融合），实现原生具备多步思考和工具调用能力的推理模型；\n4. 将 RL + LLM 技术应用于实际业务（如跨境贸易搜索、商家智能诊断、电商 Agent 等），设计并实现智能化的决策优化方案，提升业务效能。\n\n职位要求\n1. 本科及以上学历，计算机、数学、统计学、物理或自动化等相关专业优先；\n2. 具备扎实的机器学习、深度学习及自然语言处理（NLP）理论基础，熟悉 Transformer、ViT、CLIP 等主流预训练模型；\n3. 深入理解强化学习原理，熟悉 RM、PPO、DPO、GRPO、MBRL 等至少数种 RL 算法及其应用范式；\n4. 精通 Python 编程，熟练运用 PyTorch 进行模型训练与调试；\n5. 具备极佳的工程实现能力，了解大模型训练系统（如分布式训练、加速优化）或相关底层代码库者优先。\n\n在招业务\n阿里国际数字商业集团 / 阿里云 / Token Foundry / 千问事业部\n1. 负责大语言模型（LLM）及多模态模型后训练（Post-Training）阶段的强化学习算法迭代；\n2. 深入研究并优化基于人类、AI 及环境反馈的 RL 算法（如 PPO, DPO, GRPO, ORPO 等），提升模型的规则遵循与多目标平衡能力；\n3. 探索基于 RL 的 Reasoning 模型相关技术（如 CoT 思维链、CoA 动作链的融合），实现原生具备多步思考和工具调用能力的推理模型；\n4. 将 RL + LLM 技术应用于实际业务（如跨境贸易搜索、商家智能诊断、电商 Agent 等），设计并实现智能化的决策优化方案，提升业务效能。\n1. 本科及以上学历，计算机、数学、统计学、物理或自动化等相关专业优先；\n2. 具备扎实的机器学习、深度学习及自然语言处理（NLP）理论基础，熟悉 Transformer、ViT、CLIP 等主流预训练模型；\n3. 深入理解强化学习原理，熟悉 RM、PPO、DPO、GRPO、MBRL 等至少数种 RL 算法及其应用范式；\n4. 精通 Python 编程，熟练运用 PyTorch 进行模型训练与调试；\n5. 具备极佳的工程实现能力，了解大模型训练系统（如分布式训练、加速优化）或相关底层代码库者优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}