{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agentic Post-training Infra-阿里星/Bravo Star",
        "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",
        "location": "杭州",
        "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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责大模型训练及 Post-Training 基础设施建设，支持 RLHF、Agentic RL、工具调用和推理能力训练等任务。\n2. 持续迭代完善 Agent Rollout、Sandbox、推理代理、轨迹记录、奖励处理和训练框架集成。\n3. 建立训练与推理的正确性及一致性保障体系，实现 Token、Logprob、采样、Checkpoint 和 Adapter 加载等关键行为的验证与追踪。\n4. 建设性能分析、监控和调试工具，沉淀标准脚本、配置模板、诊断手册及可复用方案，提升资源效率、系统稳定性和实验迭代速度。",
        "requirements_text": "1. 具备扎实的工程能力，熟练使用 Python，最好掌握 C++、CUDA、Rust、Go 等系统或高性能计算语言中的至少一种。\n2. 熟悉 PyTorch 生态及大模型训练流程，理解前向与反向传播、优化器、混合精度、激活重计算和 Checkpoint 等机制。\n3. 具备分布式系统或大规模训练实践经验，理解 GPU 集群、NCCL、并行策略、通信开销、显存优化及故障恢复。\n4. 实际使用或开发过 Megatron、DeepSpeed、FSDP、SGLang、vLLM、TensorRT-LLM、Ray 等训练或推理系统中的至少一类。\n5. 理解 SFT、DPO、PPO、GRPO、RLHF、RLAIF 或 Agentic RL 等 Post-Training 范式，具备复杂系统问题定位能力、较强的责任意识和跨团队协作能力。",
        "skills": [AI生成
            "Python",
            "C++",
            "Rust",
            "PyTorch",
            "CUDA",
            "分布式系统",
            "模型训练",
            "团队协作",
            "Go",
            "大语言模型"
        ],
        "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/199908300001?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199908300001",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199908300001?deptCodes="
    },
    "fulltext": "Agentic Post-training Infra-阿里星/Bravo Star\nAgentic Post-training Infra-阿里星/Bravo Star\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：杭州\n\n职位描述\n1. 负责大模型训练及 Post-Training 基础设施建设，支持 RLHF、Agentic RL、工具调用和推理能力训练等任务。\n2. 持续迭代完善 Agent Rollout、Sandbox、推理代理、轨迹记录、奖励处理和训练框架集成。\n3. 建立训练与推理的正确性及一致性保障体系，实现 Token、Logprob、采样、Checkpoint 和 Adapter 加载等关键行为的验证与追踪。\n4. 建设性能分析、监控和调试工具，沉淀标准脚本、配置模板、诊断手册及可复用方案，提升资源效率、系统稳定性和实验迭代速度。\n\n职位要求\n1. 具备扎实的工程能力，熟练使用 Python，最好掌握 C++、CUDA、Rust、Go 等系统或高性能计算语言中的至少一种。\n2. 熟悉 PyTorch 生态及大模型训练流程，理解前向与反向传播、优化器、混合精度、激活重计算和 Checkpoint 等机制。\n3. 具备分布式系统或大规模训练实践经验，理解 GPU 集群、NCCL、并行策略、通信开销、显存优化及故障恢复。\n4. 实际使用或开发过 Megatron、DeepSpeed、FSDP、SGLang、vLLM、TensorRT-LLM、Ray 等训练或推理系统中的至少一类。\n5. 理解 SFT、DPO、PPO、GRPO、RLHF、RLAIF 或 Agentic RL 等 Post-Training 范式，具备复杂系统问题定位能力、较强的责任意识和跨团队协作能力。\n\n在招业务\n阿里国际数字商业集团\n1. 负责大模型训练及 Post-Training 基础设施建设，支持 RLHF、Agentic RL、工具调用和推理能力训练等任务。\n2. 持续迭代完善 Agent Rollout、Sandbox、推理代理、轨迹记录、奖励处理和训练框架集成。\n3. 建立训练与推理的正确性及一致性保障体系，实现 Token、Logprob、采样、Checkpoint 和 Adapter 加载等关键行为的验证与追踪。\n4. 建设性能分析、监控和调试工具，沉淀标准脚本、配置模板、诊断手册及可复用方案，提升资源效率、系统稳定性和实验迭代速度。\n1. 具备扎实的工程能力，熟练使用 Python，最好掌握 C++、CUDA、Rust、Go 等系统或高性能计算语言中的至少一种。\n2. 熟悉 PyTorch 生态及大模型训练流程，理解前向与反向传播、优化器、混合精度、激活重计算和 Checkpoint 等机制。\n3. 具备分布式系统或大规模训练实践经验，理解 GPU 集群、NCCL、并行策略、通信开销、显存优化及故障恢复。\n4. 实际使用或开发过 Megatron、DeepSpeed、FSDP、SGLang、vLLM、TensorRT-LLM、Ray 等训练或推理系统中的至少一类。\n5. 理解 SFT、DPO、PPO、GRPO、RLHF、RLAIF 或 Agentic RL 等 Post-Training 范式，具备复杂系统问题定位能力、较强的责任意识和跨团队协作能力。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}