面向智能体的大规模可扩展的自进化强化学习环境-阿里星

北京 · 校招 · 2027 届 · 博士

长期有效

前往官方投递页 →

任职要求

1. 计算机科学、人工智能、机器学习、数学、统计学等相关专业硕士及以上学历，博士优先。
2. 具备扎实的系统能力，精通Python/Go/C++中至少一种语言，熟悉分布式系统原理，有大规模分布式系统设计、开发经验。
3. 熟悉强化学习原理与前沿进展，对大规模RL、多智能体RL、RLHF等方向有深入理解，有相关研究或项目经验。
4. 熟悉Kubernetes架构与容器技术（Docker/Kata），有机器学习系统平台或训练基础设施研发经验者优先。
5. 熟悉大模型强化学习框架（如OpenRLHF、veRL、TRL等）或分布式计算框架（如Ray）者优先。
6. 在NeurIPS、ICML、ICLR、OSDI、SOSP、EuroSys、ATC、MLSys等顶级会议发表论文，或在ROCK/ROLL等高质量开源项目中有显著贡献者优先。

岗位描述

面向Agentic智能体大规模后训练、环境仿真瓶颈、高质量评测等核心挑战，本课题聚焦下一代大规模智能体强化学习基础设施建设，基于阿里ROCK平台与ROLL框架，突破万级并发仿真、标准化评测、海量数据自动化生产的技术瓶颈，为智能体持续自进化提供可扩展的训练底座。

1. 研究高弹性、低开销的大规模环境调度机制，突破万级智能体仿真实例并行运行的技术瓶颈，攻克异构算力高效协同与资源弹性伸缩等核心问题，支撑超大规模群体智能训练。
2. 研究多场景、全覆盖的标准化智能体Benchmark评测体系，构建统一的能力度量与算法迭代验证底座，解决当前智能体能力缺乏统一评测标准的行业难题。
3. 研究大规模智能体交互数据自动化生产全链路技术，实现海量高质量训练数据高效量产，满足大模型智能体长周期强化学习迭代需求。
4. 探索智能体驱动的大模型持续自进化框架，结合强化学习优化训练效率，增强大模型在对齐、推理、代码、数学等维度的能力，并将成果发表于顶级学术会议与回馈开源社区。
1. 计算机科学、人工智能、机器学习、数学、统计学等相关专业硕士及以上学历，博士优先。
2. 具备扎实的系统能力，精通Python/Go/C++中至少一种语言，熟悉分布式系统原理，有大规模分布式系统设计、开发经验。
3. 熟悉强化学习原理与前沿进展，对大规模RL、多智能体RL、RLHF等方向有深入理解，有相关研究或项目经验。
4. 熟悉Kubernetes架构与容器技术（Docker/Kata），有机器学习系统平台或训练基础设施研发经验者优先。
5. 熟悉大模型强化学习框架（如OpenRLHF、veRL、TRL等）或分布式计算框架（如Ray）者优先。
6. 在NeurIPS、ICML、ICLR、OSDI、SOSP、EuroSys、ATC、MLSys等顶级会议发表论文，或在ROCK/ROLL等高质量开源项目中有显著贡献者优先。

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

登录后分析我的简历

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）

类型专业能力·难度困难

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

类型项目经历·难度中等

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

类型专业能力·难度简单

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

类型专业能力·难度中等

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

类型情景/案例·难度中等

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。

前往官方投递页 →