主分类：AI训练推理与计算优化
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": "千问Qwen基础大模型RL Infra-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "Token Foundry",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "10000人以上",
"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": "学术成果：海内外顶尖高校博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "Qwen正迈向数T参数规模参数MoE、多模态强推理与自我反思能力的新阶段，基于人类反馈的强化学习（RLHF）已成为能力质变的关键。然而，现有训练架构面对千卡到万卡集群、复杂多轮交互及自我博弈等前沿范式，效率与灵活性已触及瓶颈。你需要定义并构建下一代RL训练引擎——它将是驱动Qwen超大规模进化的算力心脏。这不仅是工程挑战，更是定义大模型对齐与涌现范式的科研无人区。\n岗位职责：\n1. 设计支持数T参数MoE模型的分布式RL架构，实现计算、通信与采样的极致重叠，数倍提升吞吐量。\n2. 构建高度解耦的算法支持框架，使On/Off-Policy算法可敏捷迭代与混合部署。\n3. 实现推理与训练资源的统一弹性调度，让“推理时搜索”“反思”等产生训练信号的环节与大规模训练无缝协同，最小化GPU空转。\n4. 建立自愈式的训练稳定性体系，突破长周期、超大规模下的数值收敛与故障自恢复难题。",
"requirements_text": "1. 学术成果：海内外顶尖高校博士，在分布式系统、机器学习系统或强化学习领域有扎实研究背景，以第一作者在OSDI，SOSP，NSDI等顶会发表过高质量论文。\n2. 技能与系统能力：精通PyTorch及分布式训练技术，对PPO、GRPO等RLHF算法有原理级理解与实现经验；熟悉NCCL、RDMA等通信优化及GPU集群调度，具备万卡规模训练调优实战能力。\n3. 工程与创新落地：能将算法创新高效转化为工业级系统，有强代码工程能力，善于在计算、通信与采样之间挖掘极致吞吐性能。\n4. 软实力：自驱力强，有开拓技术无人区的魄力，渴望在超大规模RL基础设施方向做出定义性工作。",
"skills": [AI生成
"PyTorch",
"机器学习",
"强化学习",
"分布式系统"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907800045?deptCodes="
}
]
},
"posting": {
"posting_id": "199907800045",
"post_date": "2026-08-05",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907800045?deptCodes="
},
"fulltext": "千问Qwen基础大模型RL Infra-阿里星\n千问Qwen基础大模型RL Infra-阿里星\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\n\n职位描述\nQwen正迈向数T参数规模参数MoE、多模态强推理与自我反思能力的新阶段，基于人类反馈的强化学习（RLHF）已成为能力质变的关键。然而，现有训练架构面对千卡到万卡集群、复杂多轮交互及自我博弈等前沿范式，效率与灵活性已触及瓶颈。你需要定义并构建下一代RL训练引擎——它将是驱动Qwen超大规模进化的算力心脏。这不仅是工程挑战，更是定义大模型对齐与涌现范式的科研无人区。\n岗位职责：\n1. 设计支持数T参数MoE模型的分布式RL架构，实现计算、通信与采样的极致重叠，数倍提升吞吐量。\n2. 构建高度解耦的算法支持框架，使On/Off-Policy算法可敏捷迭代与混合部署。\n3. 实现推理与训练资源的统一弹性调度，让“推理时搜索”“反思”等产生训练信号的环节与大规模训练无缝协同，最小化GPU空转。\n4. 建立自愈式的训练稳定性体系，突破长周期、超大规模下的数值收敛与故障自恢复难题。\n\n职位要求\n1. 学术成果：海内外顶尖高校博士，在分布式系统、机器学习系统或强化学习领域有扎实研究背景，以第一作者在OSDI，SOSP，NSDI等顶会发表过高质量论文。\n2. 技能与系统能力：精通PyTorch及分布式训练技术，对PPO、GRPO等RLHF算法有原理级理解与实现经验；熟悉NCCL、RDMA等通信优化及GPU集群调度，具备万卡规模训练调优实战能力。\n3. 工程与创新落地：能将算法创新高效转化为工业级系统，有强代码工程能力，善于在计算、通信与采样之间挖掘极致吞吐性能。\n4. 软实力：自驱力强，有开拓技术无人区的魄力，渴望在超大规模RL基础设施方向做出定义性工作。\n\n在招业务\nToken Foundry\nQwen正迈向数T参数规模参数MoE、多模态强推理与自我反思能力的新阶段，基于人类反馈的强化学习（RLHF）已成为能力质变的关键。然而，现有训练架构面对千卡到万卡集群、复杂多轮交互及自我博弈等前沿范式，效率与灵活性已触及瓶颈。你需要定义并构建下一代RL训练引擎——它将是驱动Qwen超大规模进化的算力心脏。这不仅是工程挑战，更是定义大模型对齐与涌现范式的科研无人区。\n岗位职责：\n1. 设计支持数T参数MoE模型的分布式RL架构，实现计算、通信与采样的极致重叠，数倍提升吞吐量。\n2. 构建高度解耦的算法支持框架，使On/Off-Policy算法可敏捷迭代与混合部署。\n3. 实现推理与训练资源的统一弹性调度，让“推理时搜索”“反思”等产生训练信号的环节与大规模训练无缝协同，最小化GPU空转。\n4. 建立自愈式的训练稳定性体系，突破长周期、超大规模下的数值收敛与故障自恢复难题。\n1. 学术成果：海内外顶尖高校博士，在分布式系统、机器学习系统或强化学习领域有扎实研究背景，以第一作者在OSDI，SOSP，NSDI等顶会发表过高质量论文。\n2. 技能与系统能力：精通PyTorch及分布式训练技术，对PPO、GRPO等RLHF算法有原理级理解与实现经验；熟悉NCCL、RDMA等通信优化及GPU集群调度，具备万卡规模训练调优实战能力。\n3. 工程与创新落地：能将算法创新高效转化为工业级系统，有强代码工程能力，善于在计算、通信与采样之间挖掘极致吞吐性能。\n4. 软实力：自驱力强，有开拓技术无人区的魄力，渴望在超大规模RL基础设施方向做出定义性工作。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}