算法工程师-大模型后训练 (Post-training)-阿里巴巴2027届实习生

1. 探索更多可Scalable的Verifier信号，并通过RL提升模型的各项能力； 2. 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； 3. 研究reasoning path压缩和外推，实现更高质量的推理思考； 4. 将LLM的推理能力和 agent以及其他模态相结合，探索统一模态的reasoning。

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； 2. 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； 3. 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； 4. 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； 5. 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。