主分类：AI训练推理与计算优化
辅助：大模型与生成式算法研发（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": "智能引擎-PostTrain框架研发工程师-AI Infra",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-开发"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": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们关注大模型后训练系统，为提升智能体能力上限、AIGC应用提供算力基座，加入我们迎接以下挑战：\n1. 支持百亿～万亿规模的稠密 / MoE大模型的强化学习训练，实现多种对齐算法，增强大模型对齐人类模态、数学、代码、推理等方面的能力\n2. 极致的通过5D并行训练、推理加速、训推一体复用等技术，与前沿的强化学习算法团队和阿里硬件团队进行协同设计，在前沿异构系统上实现高效的大规模（千卡以上）强化学习训练\n3. 使用强化学习、蒸馏、量化等后训练技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点；\n4. 将成熟的系统与算法成果发表于顶会，并回馈开源社区（如 ROLL），持续提升在学术界与产业界的影响力\n5. 支持业界前沿的LLM、多模态、图/视频生成模型在AI创新场景的业务落地。",
"requirements_text": "1. 有扎实的工程算法基础，精通数据结构和常用算法，熟练掌握GDB / Nsight等调试和性能分析工具。精通Python、C/C++语言；\n2. 精通PyTorch / Megatron-LM等业界主流深度学习引擎内核，精通ROLL / VeRL / Slime等强化学习框架实现者优先，精通vLLM / SGLang / TensorRT-LLM等大模型推理引擎优化者优先；\n3. 有大模型分布式训练经验者，对训练系统中精度、性能、效果问题排查有经验者优先；\n4. 有大模型对齐/RL算法相关经验优先，包括但不限于：PPO / DPO / GRPO等；有AIGC模型加速从数据到训练经验优先，包括但不限于：蒸馏、量化、稀疏Attention等；\n5. 有优秀开源项目开发经验优先，特别是业界主流深度学习训练/推理引擎。有系统顶会发表优先；包括但不限于: OSDI / SOSP / NSDI / ATC / EuroSys / MLSys;",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"强化学习",
"数据结构",
"大语言模型",
"C语言"
],
"preferred_qualifications": "2. 精通PyTorch / Megatron-LM等业界主流深度学习引擎内核，精通ROLL / VeRL / Slime等强化学习框架实现者优先，精通vLLM / SGLang / TensorRT-LLM等大模型推理引擎优化者优先；3. 有大模型分布式训练经验者，对训练系统中精度、性能、效果问题排查有经验者优先；4. 有大模型对齐/RL算法相关经验优先，包括但不限于：PPO / DPO / GRPO等；有AIGC模型加速从数据到训练经验优先，包括但不限于：蒸馏、量化、稀疏Attention等；5. 有优秀开源项目开发经验优先，特别是业界主流深度学习训练/推理引擎；有系统顶会发表优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=7000016304"
}
]
},
"posting": {
"posting_id": "7000016304",
"post_date": "2026-09-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=7000016304"
},
"fulltext": "智能引擎-PostTrain框架研发工程师-AI Infra\n智能引擎-PostTrain框架研发工程师-AI Infra\n\n基础信息\n职位类别：技术类-开发\n工作地点：北京 / 杭州\n\n职位描述\n我们关注大模型后训练系统，为提升智能体能力上限、AIGC应用提供算力基座，加入我们迎接以下挑战：\n1. 支持百亿～万亿规模的稠密 / MoE大模型的强化学习训练，实现多种对齐算法，增强大模型对齐人类模态、数学、代码、推理等方面的能力\n2. 极致的通过5D并行训练、推理加速、训推一体复用等技术，与前沿的强化学习算法团队和阿里硬件团队进行协同设计，在前沿异构系统上实现高效的大规模（千卡以上）强化学习训练\n3. 使用强化学习、蒸馏、量化等后训练技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点；\n4. 将成熟的系统与算法成果发表于顶会，并回馈开源社区（如 ROLL），持续提升在学术界与产业界的影响力\n5. 支持业界前沿的LLM、多模态、图/视频生成模型在AI创新场景的业务落地。\n\n职位要求\n1. 有扎实的工程算法基础，精通数据结构和常用算法，熟练掌握GDB / Nsight等调试和性能分析工具。精通Python、C/C++语言；\n2. 精通PyTorch / Megatron-LM等业界主流深度学习引擎内核，精通ROLL / VeRL / Slime等强化学习框架实现者优先，精通vLLM / SGLang / TensorRT-LLM等大模型推理引擎优化者优先；\n3. 有大模型分布式训练经验者，对训练系统中精度、性能、效果问题排查有经验者优先；\n4. 有大模型对齐/RL算法相关经验优先，包括但不限于：PPO / DPO / GRPO等；有AIGC模型加速从数据到训练经验优先，包括但不限于：蒸馏、量化、稀疏Attention等；\n5. 有优秀开源项目开发经验优先，特别是业界主流深度学习训练/推理引擎。有系统顶会发表优先；包括但不限于: OSDI / SOSP / NSDI / ATC / EuroSys / MLSys;\n我们关注大模型后训练系统，为提升智能体能力上限、AIGC应用提供算力基座，加入我们迎接以下挑战：\n1. 支持百亿～万亿规模的稠密 / MoE大模型的强化学习训练，实现多种对齐算法，增强大模型对齐人类模态、数学、代码、推理等方面的能力\n2. 极致的通过5D并行训练、推理加速、训推一体复用等技术，与前沿的强化学习算法团队和阿里硬件团队进行协同设计，在前沿异构系统上实现高效的大规模（千卡以上）强化学习训练\n3. 使用强化学习、蒸馏、量化等后训练技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点；\n4. 将成熟的系统与算法成果发表于顶会，并回馈开源社区（如 ROLL），持续提升在学术界与产业界的影响力\n5. 支持业界前沿的LLM、多模态、图/视频生成模型在AI创新场景的业务落地。\n1. 有扎实的工程算法基础，精通数据结构和常用算法，熟练掌握GDB / Nsight等调试和性能分析工具。精通Python、C/C++语言；\n2. 精通PyTorch / Megatron-LM等业界主流深度学习引擎内核，精通ROLL / VeRL / Slime等强化学习框架实现者优先，精通vLLM / SGLang / TensorRT-LLM等大模型推理引擎优化者优先；\n3. 有大模型分布式训练经验者，对训练系统中精度、性能、效果问题排查有经验者优先；\n4. 有大模型对齐/RL算法相关经验优先，包括但不限于：PPO / DPO / GRPO等；有AIGC模型加速从数据到训练经验优先，包括但不限于：蒸馏、量化、稀疏Attention等；\n5. 有优秀开源项目开发经验优先，特别是业界主流深度学习训练/推理引擎。有系统顶会发表优先；包括但不限于: OSDI / SOSP / NSDI / ATC / EuroSys / MLSys;",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}