← 返回岗位列表
阿里巴巴
校招Agentic RL 训练基础设施的关键技术研究-阿里星/A Star
杭州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1. 具备扎实的计算机基础知识和分布式系统研发经验，Python/C++ 编程能力强，并对操作系统原理、计算机网络等系统领域知识有较好的理解和项目应用经验。
- 2. 对强化学习理论和算法有深入理解，熟悉 PPO、GRPO、REINFORCE 等算法，了解 LLM 训练和微调的基本流程（SFT、RLHF、DPO、OPD 等）。
- 3. 具有较强的学习能力、复杂问题归纳梳理能力、沟通和团队协作能力，具备能够深度钻研技术的耐心。
- 4. 有很强的学术研究能力和优秀的学术成果（AI/ML/Systems 领域顶会/顶刊论文），有以下方向的研究经验者尤为优先：强化学习、大模型训练/推理系统、LLM Agent、分布式系统。
- 5. 熟悉 PyTorch 及相关训练生态（DeepSpeed、Megatron-LM、FSDP 等），有大模型训练或 RL 训练实战经验者优先。熟悉 verl、Slime、RLInf 等 RL 训练框架或 vLLM、SGLang 等推理引擎者优先。
岗位描述
- 1. 设计和优化面向 Agent 训练的分布式 RL 训练系统，包括训练-推理统一调度、大规模 rollout 生成加速、长轨迹高效训练、异步奖励计算流水线等；基于 verl/Slime/RLInf 等开源框架进行系统级创新，结合 SGLang/vLLM 等推理引擎提升 Agentic RL 训练效率；
- 2. 探索面向多步 Agent 任务的 RL 算法创新，包括长程信用分配方法、过程奖励建模、探索策略设计、GRPO/PPO 在 Agent 场景的改进、多智能体 RL 训练方法等；结合算法创新提升 Agent 的任务完成率、泛化能力和安全性；
- 3. 构建可大规模并行的 Agent 训练环境基础设施，支持代码执行、Web 交互、API 调用等多种环境类型；设计和实现面向 Agentic RL 的评测体系和 benchmark 工具；
- 4. 将 Agentic RL 训练的核心技术沉淀为 PAI 的产品能力，支持云上客户训练和部署领域 Agent，形成端到端的 Agent 训练平台；
- 5. 有一定的技术前瞻性，可以对平台演进中的技术需求（如多智能体协作训练、Agent 安全对齐等）进行预研和设计，满足 AI 基础设施快速发展过程中各项业务场景的客户需求。
- 1. 具备扎实的计算机基础知识和分布式系统研发经验，Python/C++ 编程能力强，并对操作系统原理、计算机网络等系统领域知识有较好的理解和项目应用经验。
- 2. 对强化学习理论和算法有深入理解，熟悉 PPO、GRPO、REINFORCE 等算法，了解 LLM 训练和微调的基本流程（SFT、RLHF、DPO、OPD 等）。
- 3. 具有较强的学习能力、复杂问题归纳梳理能力、沟通和团队协作能力，具备能够深度钻研技术的耐心。
- 4. 有很强的学术研究能力和优秀的学术成果（AI/ML/Systems 领域顶会/顶刊论文），有以下方向的研究经验者尤为优先：强化学习、大模型训练/推理系统、LLM Agent、分布式系统。
- 5. 熟悉 PyTorch 及相关训练生态（DeepSpeed、Megatron-LM、FSDP 等），有大模型训练或 RL 训练实战经验者优先。熟悉 verl、Slime、RLInf 等 RL 训练框架或 vLLM、SGLang 等推理引擎者优先。
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
该岗位可能会问的问题
基于 产品 岗位的常见面试问题整理
介绍一款自己喜欢的app
类型动机/岗位认知·难度简单·二面·携程
查看答题思路
选你深度使用的app+核心用户+核心价值+2-3个好的设计决策+1个改进建议
如何沟通协调五个部门的负责人来确定一个会议时间
类型专业能力·难度中等·二面·携程
查看答题思路
先发Doodle/投票选时间+对无法参加的单独沟通+提前发议程让缺席者也能贡献意见
请做一个简短的自我介绍
类型动机/岗位认知·难度简单·一面·小米
查看答题思路
姓名+学校+实习经历（1-2家）+与岗位的关联点，控制在60秒内
为什么选择投递小米产品类的产品经理岗位？
类型动机/岗位认知·难度简单·一面·小米
查看答题思路
对小米产品理念和IoT生态的理解+个人职业方向与小米业务的契合点
通过这个项目，你觉得如果未来的工作里面遇到这样的问题，你可以怎么解决
类型情景/案例·难度中等·二面·携程
查看答题思路
从失败中提炼可迁移的方法论+应用到假设的新场景+展现学习能力
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。