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": "日常实习生-大模型算法（Agentic RL / Reward 方向）-Qwen基础模型",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"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": "你将获得："
},
"requirements": {
"working_years": "",
"degree": "学历：计算机、人工智能、数学等相关专业本科及以上在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "你将加入 Qwen 团队，深度参与大模型在 Agent 与 Coding 场景下的前沿算法研究。核心方向是构建支撑大规模 Agentic RL 训练的奖励信号体系，提升模型的对齐质量与 RL 训练上限。具体包括：\n1. Coding Reward System：参与面向 Code Agent 的 Reward System 研发，探索 Outcome 与 Process Level 的自动化 Rewarding 机制，助力解决长程 Coding Trajectory 下的 Credit Assignment 与 Reward 稀疏性问题。\n2. Agentic User Experience Reward：参与 Agent 任务的用户体验建模与 Reward 优化研究，协助探索 User Reward Modeling，为弥合 Benchmark 指标与用户实际体验之间的鸿沟提供数据与算法支持。\n3. Reward 评估与数据迭代：以 Reward 信号为核心，参与数据筛选、难例挖掘与合成迭代实验。\n你将获得：\n1. 顶级算力资源与工程基础设施，直接参与 Qwen 基座模型核心训练流程。\n2. 资深算法工程师带教，深入 Agentic RL 与 Reward System 最前沿方向。\n3. 实习期间的工作成果有机会落地到 Qwen 正式版本。",
"requirements_text": "1. 学历：计算机、人工智能、数学等相关专业本科及以上在读。\n2. 编程基础：精通 Python，熟练使用 PyTorch；具备扎实的机器学习与深度学习基础。\n3. LLM 认知：对大语言模型的基本原理有一定了解，使用过或关注过主流 LLM。\n4. RL 兴趣：对强化学习与大模型对齐有浓厚兴趣，了解 PPO / GRPO 等基本流程。\n加分项（非硬性要求，有以下任一经历优先）：\n1. 有 Agent 框架使用经验（如 LangChain、LangGraph 等）或 Coding Agent 相关项目经验。\n2. 做过 RL 相关课程项目、论文复现，或参与过 Reward Shaping / Credit Assignment 方向的探索。\n3. 有 Kaggle 等竞赛经历，或在顶会发表过相关论文。\n4. 有开源项目贡献经历。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"强化学习",
"大语言模型"
],
"preferred_qualifications": "加分项（非硬性要求，有以下任一经历优先）：",
"job_highlights": "你将获得："
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908300006?deptCodes="
}
]
},
"posting": {
"posting_id": "199908300006",
"post_date": "2026-08-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908300006?deptCodes="
},
"fulltext": "日常实习生-大模型算法（Agentic RL / Reward 方向）-Qwen基础模型\n日常实习生-大模型算法（Agentic RL / Reward 方向）-Qwen基础模型\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2032-10-31\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：北京 / 杭州 / 上海\n\n职位描述\n你将加入 Qwen 团队，深度参与大模型在 Agent 与 Coding 场景下的前沿算法研究。核心方向是构建支撑大规模 Agentic RL 训练的奖励信号体系，提升模型的对齐质量与 RL 训练上限。具体包括：\n1. Coding Reward System：参与面向 Code Agent 的 Reward System 研发，探索 Outcome 与 Process Level 的自动化 Rewarding 机制，助力解决长程 Coding Trajectory 下的 Credit Assignment 与 Reward 稀疏性问题。\n2. Agentic User Experience Reward：参与 Agent 任务的用户体验建模与 Reward 优化研究，协助探索 User Reward Modeling，为弥合 Benchmark 指标与用户实际体验之间的鸿沟提供数据与算法支持。\n3. Reward 评估与数据迭代：以 Reward 信号为核心，参与数据筛选、难例挖掘与合成迭代实验。\n你将获得：\n1. 顶级算力资源与工程基础设施，直接参与 Qwen 基座模型核心训练流程。\n2. 资深算法工程师带教，深入 Agentic RL 与 Reward System 最前沿方向。\n3. 实习期间的工作成果有机会落地到 Qwen 正式版本。\n\n职位要求\n1. 学历：计算机、人工智能、数学等相关专业本科及以上在读。\n2. 编程基础：精通 Python，熟练使用 PyTorch；具备扎实的机器学习与深度学习基础。\n3. LLM 认知：对大语言模型的基本原理有一定了解，使用过或关注过主流 LLM。\n4. RL 兴趣：对强化学习与大模型对齐有浓厚兴趣，了解 PPO / GRPO 等基本流程。\n加分项（非硬性要求，有以下任一经历优先）：\n1. 有 Agent 框架使用经验（如 LangChain、LangGraph 等）或 Coding Agent 相关项目经验。\n2. 做过 RL 相关课程项目、论文复现，或参与过 Reward Shaping / Credit Assignment 方向的探索。\n3. 有 Kaggle 等竞赛经历，或在顶会发表过相关论文。\n4. 有开源项目贡献经历。\n\n在招业务\nToken Foundry\n你将加入 Qwen 团队，深度参与大模型在 Agent 与 Coding 场景下的前沿算法研究。核心方向是构建支撑大规模 Agentic RL 训练的奖励信号体系，提升模型的对齐质量与 RL 训练上限。具体包括：\n1. Coding Reward System：参与面向 Code Agent 的 Reward System 研发，探索 Outcome 与 Process Level 的自动化 Rewarding 机制，助力解决长程 Coding Trajectory 下的 Credit Assignment 与 Reward 稀疏性问题。\n2. Agentic User Experience Reward：参与 Agent 任务的用户体验建模与 Reward 优化研究，协助探索 User Reward Modeling，为弥合 Benchmark 指标与用户实际体验之间的鸿沟提供数据与算法支持。\n3. Reward 评估与数据迭代：以 Reward 信号为核心，参与数据筛选、难例挖掘与合成迭代实验。\n你将获得：\n1. 顶级算力资源与工程基础设施，直接参与 Qwen 基座模型核心训练流程。\n2. 资深算法工程师带教，深入 Agentic RL 与 Reward System 最前沿方向。\n3. 实习期间的工作成果有机会落地到 Qwen 正式版本。\n1. 学历：计算机、人工智能、数学等相关专业本科及以上在读。\n2. 编程基础：精通 Python，熟练使用 PyTorch；具备扎实的机器学习与深度学习基础。\n3. LLM 认知：对大语言模型的基本原理有一定了解，使用过或关注过主流 LLM。\n4. RL 兴趣：对强化学习与大模型对齐有浓厚兴趣，了解 PPO / GRPO 等基本流程。\n加分项（非硬性要求，有以下任一经历优先）：\n1. 有 Agent 框架使用经验（如 LangChain、LangGraph 等）或 Coding Agent 相关项目经验。\n2. 做过 RL 相关课程项目、论文复现，或参与过 Reward Shaping / Credit Assignment 方向的探索。\n3. 有 Kaggle 等竞赛经历，或在顶会发表过相关论文。\n4. 有开源项目贡献经历。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}