主分类：大模型与生成式算法研发
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": "研究型实习生 - 基于Verifier Engineering的强化学习训练范式",
"job_level": "实习",AI生成
"work_category": "实习",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": "博士及硕士优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 探索更多可scalable的verfifier信号，并通过RL提升模型的各项能力。\n2. 提升reward model在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。\n3. 研究reasoning path压缩和外推，实现更高质量的推理思考。\n4. 将LLM的reasoning能力和Agent以及其他模态相结合，探索统一模态的reasoning。",
"requirements_text": "1. 计算机、机器学习等相关专业，博士及硕士优先。\n2. 具有post-training或强化学习相关方向经验。\n3. 精通Python以及Pytorch等深度学习框架，具有较强的代码工程能力。\n4. 加分项：\n①熟悉LLM推理引擎（如vLLM，SGLang）的实现。\n②曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等。\n③拥有知名开源项目，在开源社区具有较好的影响力。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"强化学习"
],
"preferred_qualifications": "1. 计算机、机器学习等相关专业，博士及硕士优先；4. 加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907960005?deptCodes="
}
]
},
"posting": {
"posting_id": "199907960005",
"post_date": "2026-07-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907960005?deptCodes="
},
"fulltext": "研究型实习生 - 基于Verifier Engineering的强化学习训练范式\n研究型实习生 - 基于Verifier Engineering的强化学习训练范式\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2032-10-31\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：北京 / 杭州\n\n职位描述\n1. 探索更多可scalable的verfifier信号，并通过RL提升模型的各项能力。\n2. 提升reward model在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。\n3. 研究reasoning path压缩和外推，实现更高质量的推理思考。\n4. 将LLM的reasoning能力和Agent以及其他模态相结合，探索统一模态的reasoning。\n\n职位要求\n1. 计算机、机器学习等相关专业，博士及硕士优先。\n2. 具有post-training或强化学习相关方向经验。\n3. 精通Python以及Pytorch等深度学习框架，具有较强的代码工程能力。\n4. 加分项：\n①熟悉LLM推理引擎（如vLLM，SGLang）的实现。\n②曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等。\n③拥有知名开源项目，在开源社区具有较好的影响力。\n\n在招业务\nToken Foundry\n1. 探索更多可scalable的verfifier信号，并通过RL提升模型的各项能力。\n2. 提升reward model在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。\n3. 研究reasoning path压缩和外推，实现更高质量的推理思考。\n4. 将LLM的reasoning能力和Agent以及其他模态相结合，探索统一模态的reasoning。\n1. 计算机、机器学习等相关专业，博士及硕士优先。\n2. 具有post-training或强化学习相关方向经验。\n3. 精通Python以及Pytorch等深度学习框架，具有较强的代码工程能力。\n4. 加分项：\n①熟悉LLM推理引擎（如vLLM，SGLang）的实现。\n②曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等。\n③拥有知名开源项目，在开源社区具有较好的影响力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}