阿里巴巴
校招面向Auto Research的强化学习算法与数据合成体系研究-阿里星
北京/杭州 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1.计算机科学、人工智能、信息科学、数学、统计学、自动化或相关STEM专业以及交叉学科背景（如计算生物学、计算神经科学、计算化学）的应届博士毕业生，或即将获得博士学位的优秀候选人；
- 2.在领域内高水平学术期刊会议上发表论文并经过同行评议；或研究内容形成专利成果；
- 3.具备扎实的编程能力，熟练使用 Python，熟悉 PyTorch 或类似深度学习框架，能够独立完成算法实现、实验设计与结果分析；
- 4.深入理解以下至少一个方向：大语言模型 / 多模态大模型、强化学习 / 强化学习后训练、Agent 系统 / 工具调用 / 自主决策、代码智能体 / 自动化科研 / 自动化推理等。熟悉主流强化学习或偏好优化算法，包括但不限于：PPO、DPO、GRPO等；如为自然科学专业，需具备扎实的编程基础，并对AI for Science有强烈兴趣和深入的见解；
- 5.能够独立推进科研项目，具备较强的理论知识背景、问题定义能力、实验设计能力、论文阅读与复现能力，能够针对复杂问题提出创新性解决方案；
- 6.具有强自驱力、学习能力、创新意识和沟通协作能力，能够适应快速变化的 AI 研究方向、适应跨学科合作的工作环境，并具备一定抗压能力。
岗位描述
作为 Auto Research RL 算法研究与数据合成方向的算法研究员，你将参与或负责以下工作：
- 1.研究 Auto Research Agent 的核心训练方法，围绕理工类科研领域（如生物化学材料物理等）自动化科研智能体的自主决策、规划、工具调用、代码执行与实验验证能力，开展系统性算法研究；
- 2.设计并构建 Agentic 数据合成体系，研究大规模 Agent 轨迹数据的高效生成、清洗、筛选、增强与配比策略，构建高质量后训练数据管线；
- 3.探索稳定高效的 Agentic RL 训练方案，应用并改进 PPO、DPO、GRPO 等强化学习算法，优化长程任务中的奖励设计、训练稳定性、探索效率与泛化能力；
- 4.提升模型在代码、真实科研流程、实验场景中的任务成功率，针对代码生成、实验执行、错误修复、结果分析、论文写作等任务，构建训练与评测闭环，持续提升模型鲁棒性；
- 5.推动学术成果产出与开源建设，将研究成果整理为高水平论文，投稿至国际顶级会议；根据项目情况推动算法、数据或模型开源，提升团队技术影响力。
- 1.计算机科学、人工智能、信息科学、数学、统计学、自动化或相关STEM专业以及交叉学科背景（如计算生物学、计算神经科学、计算化学）的应届博士毕业生，或即将获得博士学位的优秀候选人；
- 2.在领域内高水平学术期刊会议上发表论文并经过同行评议；或研究内容形成专利成果；
- 3.具备扎实的编程能力，熟练使用 Python，熟悉 PyTorch 或类似深度学习框架，能够独立完成算法实现、实验设计与结果分析；
- 4.深入理解以下至少一个方向：大语言模型 / 多模态大模型、强化学习 / 强化学习后训练、Agent 系统 / 工具调用 / 自主决策、代码智能体 / 自动化科研 / 自动化推理等。熟悉主流强化学习或偏好优化算法，包括但不限于：PPO、DPO、GRPO等；如为自然科学专业，需具备扎实的编程基础，并对AI for Science有强烈兴趣和深入的见解；
- 5.能够独立推进科研项目，具备较强的理论知识背景、问题定义能力、实验设计能力、论文阅读与复现能力，能够针对复杂问题提出创新性解决方案；
- 6.具有强自驱力、学习能力、创新意识和沟通协作能力，能够适应快速变化的 AI 研究方向、适应跨学科合作的工作环境，并具备一定抗压能力。
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。