阿里巴巴
校招算法工程师-合版算法研究
北京/杭州/上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1. 计算机、机器学习、人工智能等相关专业本科及以上学历。
- 2. 具备扎实的机器学习与深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术。
- 3. 极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。
- 4. 熟悉 Python 与 PyTorch 等深度学习框架，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。
- 5. 满足以下条件之一者优先：
- （1）有大模型 Post-training（SFT/RL 等）、模型蒸馏或模型融合相关方向的实践或研究经验；
- （2）熟悉 Megatron、FSDP 等训练框架或 SGLang、vLLM 等推理框架，有大规模模型训练经历；
- （3）对数据敏感，具备良好的数据分析能力，能系统性定位模型能力瓶颈并制定优化策略。
岗位描述
- 1.合版核心算法研究：探索 On-policy Distillation、知识融合等先进技术，研究更优的 SFT Objective，实现多能力模型的高效合版，最大程度减少能力冲突与遗忘，提升合版流程的稳定性与结果的可预测性。
- 2.数据策略与冲突消解：深入分析不同能力域的数据配比，建立系统化的冲突检测与消解机制；分析合版训练监控指标，定位冲突专项与原因，为专项模型的数据迭代和 SFT/RL 训练流程提供反馈，保障模型在各项能力上的均衡与稳定。
- 3.合版评测体系建设：设计并推进高效、快速的合版评测方案，构建覆盖多维能力的自动化评测 Pipeline，实现合版效果的快速迭代与精准度量。
- 4.合版链路与框架建设：推动合版全流程的工程化与自动化，包括训练、评测、对比分析、版本管理等环节；参与 OPD 等合版训练框架的迭代，与 infra 和工程团队协作，探究面向多专项、超长程任务的合版算法与框架，提升模型交付的效率与可靠性。
- 5.前沿技术追踪与落地：持续关注模型融合、蒸馏、多任务学习等领域的前沿进展，将有效方法快速验证并落地到基础模型 的合版实践中。
- 1. 计算机、机器学习、人工智能等相关专业本科及以上学历。
- 2. 具备扎实的机器学习与深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术。
- 3. 极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。
- 4. 熟悉 Python 与 PyTorch 等深度学习框架，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。
5. 满足以下条件之一者优先：
（1）有大模型 Post-training（SFT/RL 等）、模型蒸馏或模型融合相关方向的实践或研究经验；
（2）熟悉 Megatron、FSDP 等训练框架或 SGLang、vLLM 等推理框架，有大规模模型训练经历；
（3）对数据敏感，具备良好的数据分析能力，能系统性定位模型能力瓶颈并制定优化策略。
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。