{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "算法工程师-强化学习模型训练",
        "job_level": "校招",AI生成
        "work_category": "全职",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": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机、人工智能、自动化等相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "强化学习（RL）是基础模型持续演进的重要技术方向，被广泛应用于提升模型在复杂任务中的推理、规划、编码、工具调用与长程决策能力。我们持续探索 RL 在长程代码任务、视觉交互、真实环境执行、数学与代码竞赛等场景中的应用，推动模型在复杂开放任务中的自主性与执行表现。欢迎对大模型与强化学习方向有热情的同学加入。\n1.研究 PPO、GRPO 等强化学习算法，提升大规模 RL 训练的稳定性与效率；探索 RL scaling law、长程训练、多任务融合与系统优化等方向，提升模型持续训练收益与泛化能力。\n2.优化端到端 Agentic RL 链路，提升算法与系统整体效率，增强 Agent 在推理、长程规划、代码生成与工具调用等场景中的能力；结合 critic model 与过程奖励机制，对 Agent 行为进行有效引导，提升 scaffold 泛化性、指令跟随能力与推理效率。\n3.提升 RL 在长程任务与复杂开放任务中的表现，研究训练效率优化、复杂任务学习方法；探索多 Agent 协作、自我反思、记忆机制与规划等方向，提升奖励信号、奖励模型与 Agentic Verifier 的准确性和鲁棒性。\n4.与研究员和工程师协作，持续迭代 Coding Agent 与 Long-horizon Agent 的训练数据、奖励信号与执行环境；改进合成数据生成方法，针对模型能力短板构建可验证的 RL 数据，提升基础模型在前沿 benchmark 与真实任务场景中的表现。",
        "requirements_text": "1. 计算机、人工智能、自动化等相关专业本科及以上学历。\n2. 具备扎实的机器学习与深度学习基础，对强化学习有基本了解；在以下方向有研究或项目经验者优先：\n（1）强化学习算法（PPO、GRPO 等）与大模型 RL 训练；\n（2）Agent 系统、代码生成、Reward Modeling 或大规模训练；\n（3）复杂任务场景中的算法落地与系统优化。\n3. 对真实任务场景与模型行为有较强洞察力，具备目标导向的问题分析与推进能力；对算法、数据与 reward signal 有良好直觉，能够结合实际问题持续迭代方案并提升模型表现。\n4. 极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。\n5. 熟悉 Python 与主流深度学习框架，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。",
        "skills": [AI生成
            "Python",
            "机器学习",
            "深度学习",
            "强化学习",
            "团队协作",
            "学习能力",
            "大语言模型"
        ],
        "preferred_qualifications": "在以下方向有研究或项目经验者优先：；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199908320010?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199908320010",
        "post_date": "2026-08-03",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199908320010?deptCodes="
    },
    "fulltext": "算法工程师-强化学习模型训练\n算法工程师-强化学习模型训练\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\n强化学习（RL）是基础模型持续演进的重要技术方向，被广泛应用于提升模型在复杂任务中的推理、规划、编码、工具调用与长程决策能力。我们持续探索 RL 在长程代码任务、视觉交互、真实环境执行、数学与代码竞赛等场景中的应用，推动模型在复杂开放任务中的自主性与执行表现。欢迎对大模型与强化学习方向有热情的同学加入。\n1.研究 PPO、GRPO 等强化学习算法，提升大规模 RL 训练的稳定性与效率；探索 RL scaling law、长程训练、多任务融合与系统优化等方向，提升模型持续训练收益与泛化能力。\n2.优化端到端 Agentic RL 链路，提升算法与系统整体效率，增强 Agent 在推理、长程规划、代码生成与工具调用等场景中的能力；结合 critic model 与过程奖励机制，对 Agent 行为进行有效引导，提升 scaffold 泛化性、指令跟随能力与推理效率。\n3.提升 RL 在长程任务与复杂开放任务中的表现，研究训练效率优化、复杂任务学习方法；探索多 Agent 协作、自我反思、记忆机制与规划等方向，提升奖励信号、奖励模型与 Agentic Verifier 的准确性和鲁棒性。\n4.与研究员和工程师协作，持续迭代 Coding Agent 与 Long-horizon Agent 的训练数据、奖励信号与执行环境；改进合成数据生成方法，针对模型能力短板构建可验证的 RL 数据，提升基础模型在前沿 benchmark 与真实任务场景中的表现。\n\n职位要求\n1. 计算机、人工智能、自动化等相关专业本科及以上学历。\n2. 具备扎实的机器学习与深度学习基础，对强化学习有基本了解；在以下方向有研究或项目经验者优先：\n（1）强化学习算法（PPO、GRPO 等）与大模型 RL 训练；\n（2）Agent 系统、代码生成、Reward Modeling 或大规模训练；\n（3）复杂任务场景中的算法落地与系统优化。\n3. 对真实任务场景与模型行为有较强洞察力，具备目标导向的问题分析与推进能力；对算法、数据与 reward signal 有良好直觉，能够结合实际问题持续迭代方案并提升模型表现。\n4. 极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。\n5. 熟悉 Python 与主流深度学习框架，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。\n\n在招业务\nToken Foundry\n强化学习（RL）是基础模型持续演进的重要技术方向，被广泛应用于提升模型在复杂任务中的推理、规划、编码、工具调用与长程决策能力。我们持续探索 RL 在长程代码任务、视觉交互、真实环境执行、数学与代码竞赛等场景中的应用，推动模型在复杂开放任务中的自主性与执行表现。欢迎对大模型与强化学习方向有热情的同学加入。\n1.研究 PPO、GRPO 等强化学习算法，提升大规模 RL 训练的稳定性与效率；探索 RL scaling law、长程训练、多任务融合与系统优化等方向，提升模型持续训练收益与泛化能力。\n2.优化端到端 Agentic RL 链路，提升算法与系统整体效率，增强 Agent 在推理、长程规划、代码生成与工具调用等场景中的能力；结合 critic model 与过程奖励机制，对 Agent 行为进行有效引导，提升 scaffold 泛化性、指令跟随能力与推理效率。\n3.提升 RL 在长程任务与复杂开放任务中的表现，研究训练效率优化、复杂任务学习方法；探索多 Agent 协作、自我反思、记忆机制与规划等方向，提升奖励信号、奖励模型与 Agentic Verifier 的准确性和鲁棒性。\n4.与研究员和工程师协作，持续迭代 Coding Agent 与 Long-horizon Agent 的训练数据、奖励信号与执行环境；改进合成数据生成方法，针对模型能力短板构建可验证的 RL 数据，提升基础模型在前沿 benchmark 与真实任务场景中的表现。\n1. 计算机、人工智能、自动化等相关专业本科及以上学历。\n2. 具备扎实的机器学习与深度学习基础，对强化学习有基本了解；在以下方向有研究或项目经验者优先：\n（1）强化学习算法（PPO、GRPO 等）与大模型 RL 训练；\n（2）Agent 系统、代码生成、Reward Modeling 或大规模训练；\n（3）复杂任务场景中的算法落地与系统优化。\n3. 对真实任务场景与模型行为有较强洞察力，具备目标导向的问题分析与推进能力；对算法、数据与 reward signal 有良好直觉，能够结合实际问题持续迭代方案并提升模型表现。\n4. 极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。\n5. 熟悉 Python 与主流深度学习框架，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}