主分类：大模型与生成式算法研发
辅助：AI训练推理与计算优化、AI模型评测工程（仅展示）
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": "AI应用算法工程师-PostTrain",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里巴巴控股集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "面向 LLM/MLLM 及 AIGC 场景，致力于将前沿的大模型数据生成、后训练（Post-training）和效果评测链路打造为高可用、可迭代、成本可控的企业级微调产品与 API 服务。\n具体职责包括：\n1. 数据飞轮：搭建高效、自动化的数据管线，助力互联网及头部行业客户构建“数据合成/增强 -> 模型训练 -> 部署推理 -> 效果评测 -> 数据回流”的完整闭环。\n2. 模型训练：持续追踪业界后训练领域的前沿技术（如 Agentic RL、OPD、PRM 等）；支持十亿至万亿（1B to 1T+）参数规模上的一方/三方大模型的后训练，面向客户垂直场景交付定制化对齐方案。\n3. 评测体系：面向通用基准能力（General Benchmarks）以及业务垂直领域数据构建科学、多维度的 Rubric 评估体系；研发涵盖 LLM-as-a-Judge 与自动化评测的工具链，精准牵引模型迭代方向。\n4. 性能优化：优化大规模分布式异构训练任务的整体吞吐，定位任务的计算、显存、通信与系统瓶颈；通过极致的 5D 并行策略及高效推理等技术，实现模型算力利用率（MFU）的最大化与生产级成本管控。\n5. 平台集成：主导前沿后训练算法与数据链路在百炼平台的工程化与产品化集成；构建高可靠、易扩展的分布式训练调度与容错架构，全面保障线上交付质量、服务 SLA 与系统的长期稳定性。",
"requirements_text": "1. 基础条件\na. 计算机、人工智能等相关专业优先。\nb. 熟悉大模型原理、热衷于数据结构和算法、在ACM大赛成绩优异者优先；有顶会论文/高影响项目/开源贡献者加分。\n2. 专业能力\na. 系统工程与编程能力：具备良好的系统工程基础，熟悉 Linux 开发环境，掌握 Python、Go等至少一门编程语言，具备扎实的工程实现能力，能够使用 vibe coding 快速构建项目原型。\nb. 主流框架：理解并应用分布式训练与推理加速框架（如 Megatron-LM/FSDP2, vLLM/SGLang, Slime/VeRL, Ray 等），掌握 Nsight 等调试分析工具，有大规模集群训练性能调优经验者优先。\nc. 模型与后训练：了解 Transformer 及主流 LLM 模型架构、演进原理与局限；对后训练算法有实践经验和深刻认知，具备模型迭代能力（含数据合成、模型评测与优化）；深度参与或主导过 Agentic RL、PRM、OPD 等前沿对齐算法的落地经验者优先。\n3. 能力特质\na. 学习力与极客精神：对 AI 与大模型技术充满热情与好奇心，对未知开放，能举一反三；具备快速吸收学术界最新成果的能力，渴望在高性能计算与 AI 架构领域实现技术突破。\nb. 跨域视野与协同：有较宽的技术视野与知识面，对算法研发流程、数据、训练、推理等相关领域的技术逻辑都有涉猎；能与跨域岗位，如：算法、产品等，进行良好的沟通。\nc. 系统思维：乐于挑战复杂系统的性能极限，具备良好的性能分析与调优能力，具备严谨的工程习惯，喜欢从底层视角拆解并解决问题。",
"skills": [AI生成
"Python",
"Linux",
"数据结构",
"性能调优",
"解决问题",
"大语言模型"
],
"preferred_qualifications": "a. 计算机、人工智能等相关专业优先；b. 熟悉大模型原理、热衷于数据结构和算法、在ACM大赛成绩优异者优先；有顶会论文/高影响项目/开源贡献者加分；b. 主流框架：理解并应用分布式训练与推理加速框架（如 Megatron-LM/FSDP2, vLLM/SGLang, Slime/VeRL, Ray 等），掌握 Nsight 等调试分析工具，有大规模集群训练性能调优经验者优先；深度参与或主导过 Agentic RL、PRM、OPD 等前沿对齐算法的落地经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908700002?deptCodes="
}
]
},
"posting": {
"posting_id": "199908700002",
"post_date": "2026-08-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908700002?deptCodes="
},
"fulltext": "AI应用算法工程师-PostTrain\nAI应用算法工程师-PostTrain\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\n面向 LLM/MLLM 及 AIGC 场景，致力于将前沿的大模型数据生成、后训练（Post-training）和效果评测链路打造为高可用、可迭代、成本可控的企业级微调产品与 API 服务。\n具体职责包括：\n1. 数据飞轮：搭建高效、自动化的数据管线，助力互联网及头部行业客户构建“数据合成/增强 -> 模型训练 -> 部署推理 -> 效果评测 -> 数据回流”的完整闭环。\n2. 模型训练：持续追踪业界后训练领域的前沿技术（如 Agentic RL、OPD、PRM 等）；支持十亿至万亿（1B to 1T+）参数规模上的一方/三方大模型的后训练，面向客户垂直场景交付定制化对齐方案。\n3. 评测体系：面向通用基准能力（General Benchmarks）以及业务垂直领域数据构建科学、多维度的 Rubric 评估体系；研发涵盖 LLM-as-a-Judge 与自动化评测的工具链，精准牵引模型迭代方向。\n4. 性能优化：优化大规模分布式异构训练任务的整体吞吐，定位任务的计算、显存、通信与系统瓶颈；通过极致的 5D 并行策略及高效推理等技术，实现模型算力利用率（MFU）的最大化与生产级成本管控。\n5. 平台集成：主导前沿后训练算法与数据链路在百炼平台的工程化与产品化集成；构建高可靠、易扩展的分布式训练调度与容错架构，全面保障线上交付质量、服务 SLA 与系统的长期稳定性。\n\n职位要求\n1. 基础条件\na. 计算机、人工智能等相关专业优先。\nb. 熟悉大模型原理、热衷于数据结构和算法、在ACM大赛成绩优异者优先；有顶会论文/高影响项目/开源贡献者加分。\n2. 专业能力\na. 系统工程与编程能力：具备良好的系统工程基础，熟悉 Linux 开发环境，掌握 Python、Go等至少一门编程语言，具备扎实的工程实现能力，能够使用 vibe coding 快速构建项目原型。\nb. 主流框架：理解并应用分布式训练与推理加速框架（如 Megatron-LM/FSDP2, vLLM/SGLang, Slime/VeRL, Ray 等），掌握 Nsight 等调试分析工具，有大规模集群训练性能调优经验者优先。\nc. 模型与后训练：了解 Transformer 及主流 LLM 模型架构、演进原理与局限；对后训练算法有实践经验和深刻认知，具备模型迭代能力（含数据合成、模型评测与优化）；深度参与或主导过 Agentic RL、PRM、OPD 等前沿对齐算法的落地经验者优先。\n3. 能力特质\na. 学习力与极客精神：对 AI 与大模型技术充满热情与好奇心，对未知开放，能举一反三；具备快速吸收学术界最新成果的能力，渴望在高性能计算与 AI 架构领域实现技术突破。\nb. 跨域视野与协同：有较宽的技术视野与知识面，对算法研发流程、数据、训练、推理等相关领域的技术逻辑都有涉猎；能与跨域岗位，如：算法、产品等，进行良好的沟通。\nc. 系统思维：乐于挑战复杂系统的性能极限，具备良好的性能分析与调优能力，具备严谨的工程习惯，喜欢从底层视角拆解并解决问题。\n\n在招业务\n阿里巴巴控股集团\n面向 LLM/MLLM 及 AIGC 场景，致力于将前沿的大模型数据生成、后训练（Post-training）和效果评测链路打造为高可用、可迭代、成本可控的企业级微调产品与 API 服务。\n具体职责包括：\n1. 数据飞轮：搭建高效、自动化的数据管线，助力互联网及头部行业客户构建“数据合成/增强 -> 模型训练 -> 部署推理 -> 效果评测 -> 数据回流”的完整闭环。\n2. 模型训练：持续追踪业界后训练领域的前沿技术（如 Agentic RL、OPD、PRM 等）；支持十亿至万亿（1B to 1T+）参数规模上的一方/三方大模型的后训练，面向客户垂直场景交付定制化对齐方案。\n3. 评测体系：面向通用基准能力（General Benchmarks）以及业务垂直领域数据构建科学、多维度的 Rubric 评估体系；研发涵盖 LLM-as-a-Judge 与自动化评测的工具链，精准牵引模型迭代方向。\n4. 性能优化：优化大规模分布式异构训练任务的整体吞吐，定位任务的计算、显存、通信与系统瓶颈；通过极致的 5D 并行策略及高效推理等技术，实现模型算力利用率（MFU）的最大化与生产级成本管控。\n5. 平台集成：主导前沿后训练算法与数据链路在百炼平台的工程化与产品化集成；构建高可靠、易扩展的分布式训练调度与容错架构，全面保障线上交付质量、服务 SLA 与系统的长期稳定性。\n1. 基础条件\na. 计算机、人工智能等相关专业优先。\nb. 熟悉大模型原理、热衷于数据结构和算法、在ACM大赛成绩优异者优先；有顶会论文/高影响项目/开源贡献者加分。\n2. 专业能力\na. 系统工程与编程能力：具备良好的系统工程基础，熟悉 Linux 开发环境，掌握 Python、Go等至少一门编程语言，具备扎实的工程实现能力，能够使用 vibe coding 快速构建项目原型。\nb. 主流框架：理解并应用分布式训练与推理加速框架（如 Megatron-LM/FSDP2, vLLM/SGLang, Slime/VeRL, Ray 等），掌握 Nsight 等调试分析工具，有大规模集群训练性能调优经验者优先。\nc. 模型与后训练：了解 Transformer 及主流 LLM 模型架构、演进原理与局限；对后训练算法有实践经验和深刻认知，具备模型迭代能力（含数据合成、模型评测与优化）；深度参与或主导过 Agentic RL、PRM、OPD 等前沿对齐算法的落地经验者优先。\n3. 能力特质\na. 学习力与极客精神：对 AI 与大模型技术充满热情与好奇心，对未知开放，能举一反三；具备快速吸收学术界最新成果的能力，渴望在高性能计算与 AI 架构领域实现技术突破。\nb. 跨域视野与协同：有较宽的技术视野与知识面，对算法研发流程、数据、训练、推理等相关领域的技术逻辑都有涉猎；能与跨域岗位，如：算法、产品等，进行良好的沟通。\nc. 系统思维：乐于挑战复杂系统的性能极限，具备良好的性能分析与调优能力，具备严谨的工程习惯，喜欢从底层视角拆解并解决问题。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T014",
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}