阿里巴巴
校招构建面向软件工程的自主进化智能体系统-阿里星
北京/杭州 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1.计算机、人工智能等相关专业博士及以上学历；
- 2.扎实的机器学习/深度学习基础，熟悉Transformer、LLM原理；
- 3.熟悉以下至少一个方向：知识图谱、RAG、Agent框架、强化学习、记忆网络；
- 4.熟练掌握Python，有PyTorch/TensorFlow等框架开发经验；
- 5.具备良好的论文阅读与复现能力，能快速跟进领域SOTA；
- 6.优秀的沟通协作能力，能与产研团队紧密配合推动技术落地。
- 【加分项】：
- 1.有顶会论文发表经历（NeurIPS/ICML/ACL/EMNLP等）；
- 2.有大模型训练、SFT、RLHF相关经验；
- 3.有Agent/LangChain/AutoGPT等智能体框架开发经验；
- 4.有知名开源项目贡献或个人技术影响力；
- 5.有代码智能、程序分析相关研究背景。
岗位描述
- 1.负责工程知识引擎的设计与构建，研究多源异构知识（代码、文档、架构等）的统一建模与智能检索技术；
- 2.研究智能体自主记忆系统，设计长短期记忆协同机制，实现用户偏好与项目规范的自动学习；
- 3.探索自优化智能体算法，构建基于执行反馈的自我评估与策略优化闭环；
- 4.联合通义实验室进行模型训练，将工程知识与记忆能力注入大模型；
- 5.跟踪Agent领域前沿进展，产出论文、技术报告或开源项目。
- 1.计算机、人工智能等相关专业博士及以上学历；
- 2.扎实的机器学习/深度学习基础，熟悉Transformer、LLM原理；
- 3.熟悉以下至少一个方向：知识图谱、RAG、Agent框架、强化学习、记忆网络；
- 4.熟练掌握Python，有PyTorch/TensorFlow等框架开发经验；
- 5.具备良好的论文阅读与复现能力，能快速跟进领域SOTA；
- 6.优秀的沟通协作能力，能与产研团队紧密配合推动技术落地。
【加分项】：
- 1.有顶会论文发表经历（NeurIPS/ICML/ACL/EMNLP等）；
- 2.有大模型训练、SFT、RLHF相关经验；
- 3.有Agent/LangChain/AutoGPT等智能体框架开发经验；
- 4.有知名开源项目贡献或个人技术影响力；
- 5.有代码智能、程序分析相关研究背景。
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。