阿里巴巴
校招异构算力下的大模型后训练加速与效果调优-阿里星/A Star
北京/杭州 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1、教育背景：计算机/AI/分布式系统等相关专业博士。
- 2、技术能力：精通Transformer架构与PyTorch源码级开发；有大模型微调或对齐相关研究经历（SFT/RLHF/DPO/KTO/GRPO等至少熟悉一种）；有分布式训练实战经验（DeepSpeed/Megatron/FSDP至少熟悉一种）；了解训练系统优化技术（混合精度、梯度累积、通信优化、显存管理等）。
- 3、编程能力：熟练掌握Python，有CUDA/C++高性能计算经验者优先，有自定义算子开发经验者加分。
- 4、经验要求 有大模型后训练（SFT/对齐/领域适配）完整项目经验者优先；多硬件适配经验、开源框架贡献（ms-swift/LLaMA-Factory/DeepSpeed/Megatron等）者加分；顶会/顶刊（NeurIPS/ICML/ICLR/ACL/EMNLP/OSDI/ATC等）论文者优先。
- 5、其他要求：具备系统性思维和独立解决复杂问题的能力，良好的沟通协作精神，对大模型后训练技术有浓厚兴趣。
岗位描述
- 1. 行业模型后训练算法：跟踪并落地前沿后训练技术：高质量SFT数据工程与课程学习、多阶段对齐（DPO/PPO/GRPO/在线RLHF）、参数高效微调（LoRA/QLoRA/DoRA），针对金融、政务、能源等垂直场景产出可复用的后训练Recipe。
- 2. 异构算力适配：针对NVIDIA、昇腾、沐曦、壁仞等不同架构设计后训练统一适配层，进行算子融合与硬件级性能调优，推动训练框架（ms-swift/LLaMA-Factory/DeepSpeed）的多硬件兼容与性能基线建设。
- 3. 后训练系统优化：设计面向70B+模型的混合并行策略（DP+TP+PP+SP），优化跨节点通信（梯度压缩、计算通信重叠），实现千卡级后训练任务的弹性伸缩、故障自愈与Checkpoint异步持久化；探索MoE Expert并行与长序列（128K+）后训练系统优化。
- 4. 客户支持：将后训练技术封装为平台能力，参与重点项目交付，解决实际后训练中的效率与稳定性问题。
- 1、教育背景：计算机/AI/分布式系统等相关专业博士。
- 2、技术能力：精通Transformer架构与PyTorch源码级开发；有大模型微调或对齐相关研究经历（SFT/RLHF/DPO/KTO/GRPO等至少熟悉一种）；有分布式训练实战经验（DeepSpeed/Megatron/FSDP至少熟悉一种）；了解训练系统优化技术（混合精度、梯度累积、通信优化、显存管理等）。
- 3、编程能力：熟练掌握Python，有CUDA/C++高性能计算经验者优先，有自定义算子开发经验者加分。
- 4、经验要求 有大模型后训练（SFT/对齐/领域适配）完整项目经验者优先；多硬件适配经验、开源框架贡献（ms-swift/LLaMA-Factory/DeepSpeed/Megatron等）者加分；顶会/顶刊（NeurIPS/ICML/ICLR/ACL/EMNLP/OSDI/ATC等）论文者优先。
- 5、其他要求：具备系统性思维和独立解决复杂问题的能力，良好的沟通协作精神，对大模型后训练技术有浓厚兴趣。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。