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": "算法工程师-大模型Agentic Reward System",
"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责基础模型 Agentic Reward System 的设计、训练与迭代，构建支撑大规模 Agentic RL 训练的奖励信号体系，持续提升模型在 Coding、Agent 等高价值场景下的对齐质量与 RL 训练上限；\n2. 探索更多可 Scalable 的 Verifier 信号，通过强化学习（RL）提升模型的各项能力；研究 Reasoning Path 压缩和外推，实现更高质量的推理思考，并将 LLM 的推理能力与 Agent 及其他模态相结合，探索统一模态的 Reasoning；\n3. 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，并研究面向 Agent 任务的用户体验建模与 Reward 优化，探索 User Model Rewarding 与 Behavioral Signal Mining，弥合 Benchmark 指标与用户实际体验之间的鸿沟。",
"requirements_text": "1. 本科及以上学历，人工智能、机器学习、深度学习、软件工程、相关专业优先；\n2. 在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等领域有扎实的理论基础和实践经验，并至少在其中一个方向有学术成果或项目经历；\n3. 具有较强的代码工程能力，精通 Python 以及 Pytorch 等深度学习框架，熟悉LLM推理引擎（如vLLM，SGLang）的实现；\n4. 对基础模型的前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式；能够独立应用技术解决复杂问题，主导或深度参与过有影响力项目的人选优先；\n5. 具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响力。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"模型训练"
],
"preferred_qualifications": "1. 本科及以上学历，人工智能、机器学习、深度学习、软件工程、相关专业优先；能够独立应用技术解决复杂问题，主导或深度参与过有影响力项目的人选优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908340004?deptCodes="
}
]
},
"posting": {
"posting_id": "199908340004",
"post_date": "2026-08-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908340004?deptCodes="
},
"fulltext": "算法工程师-大模型Agentic Reward System\n算法工程师-大模型Agentic Reward System\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\n1. 负责基础模型 Agentic Reward System 的设计、训练与迭代，构建支撑大规模 Agentic RL 训练的奖励信号体系，持续提升模型在 Coding、Agent 等高价值场景下的对齐质量与 RL 训练上限；\n2. 探索更多可 Scalable 的 Verifier 信号，通过强化学习（RL）提升模型的各项能力；研究 Reasoning Path 压缩和外推，实现更高质量的推理思考，并将 LLM 的推理能力与 Agent 及其他模态相结合，探索统一模态的 Reasoning；\n3. 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，并研究面向 Agent 任务的用户体验建模与 Reward 优化，探索 User Model Rewarding 与 Behavioral Signal Mining，弥合 Benchmark 指标与用户实际体验之间的鸿沟。\n\n职位要求\n1. 本科及以上学历，人工智能、机器学习、深度学习、软件工程、相关专业优先；\n2. 在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等领域有扎实的理论基础和实践经验，并至少在其中一个方向有学术成果或项目经历；\n3. 具有较强的代码工程能力，精通 Python 以及 Pytorch 等深度学习框架，熟悉LLM推理引擎（如vLLM，SGLang）的实现；\n4. 对基础模型的前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式；能够独立应用技术解决复杂问题，主导或深度参与过有影响力项目的人选优先；\n5. 具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响力。\n\n在招业务\nToken Foundry\n1. 负责基础模型 Agentic Reward System 的设计、训练与迭代，构建支撑大规模 Agentic RL 训练的奖励信号体系，持续提升模型在 Coding、Agent 等高价值场景下的对齐质量与 RL 训练上限；\n2. 探索更多可 Scalable 的 Verifier 信号，通过强化学习（RL）提升模型的各项能力；研究 Reasoning Path 压缩和外推，实现更高质量的推理思考，并将 LLM 的推理能力与 Agent 及其他模态相结合，探索统一模态的 Reasoning；\n3. 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，并研究面向 Agent 任务的用户体验建模与 Reward 优化，探索 User Model Rewarding 与 Behavioral Signal Mining，弥合 Benchmark 指标与用户实际体验之间的鸿沟。\n1. 本科及以上学历，人工智能、机器学习、深度学习、软件工程、相关专业优先；\n2. 在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等领域有扎实的理论基础和实践经验，并至少在其中一个方向有学术成果或项目经历；\n3. 具有较强的代码工程能力，精通 Python 以及 Pytorch 等深度学习框架，熟悉LLM推理引擎（如vLLM，SGLang）的实现；\n4. 对基础模型的前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式；能够独立应用技术解决复杂问题，主导或深度参与过有影响力项目的人选优先；\n5. 具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}