如约见 · 技术研发 · 算法/AI

日常实习生-大模型强化学习基础设施研发实习生(Code Agent / RL Infra)

阿里巴巴 · 北京、杭州 · 薪资面议 · 更新于 2026/11/14

岗位描述

1. 参与面向大语言模型强化学习与 Code Agent 的后训练平台研发,支持 Rollout、Reward、Training 和 Teacher 推理等核心流程,协助构建高效、可扩展的训练与推理协同架构。 2. 参与任务编排、弹性资源调度与异步流水线开发,优化样本生成、模型训练和环境交互之间的数据流与执行流程,支持长程任务与多任务混训,提升系统吞吐和 GPU 资源利用率。 3. 参与高性能通信、存储与轨迹数据管理组件建设,支持大规模样本生成、轨迹采集和高速数据交换,完善策略版本记录、训练 mask 与数据组批机制,降低长上下文场景下的数据处理和内存开销。 4. 参与白盒 Agent Runtime、沙箱环境与自动化评测系统建设,支持代码执行、工具调用和多轮交互;协助开发代码测试、规则检查等可验证奖励,完善真实工程任务的环境复现、轨迹重放与失败分析流程。 5. 与算法团队合作,参与强化学习的接入与实验验证,通过性能分析、监控和自动化回归,持续优化训练效率、系统稳定性与可观测性,提升算法实验和迭代效率。

阿里巴巴其他在招岗位

同类在招岗位(技术研发)

岗位信息来自企业官方招聘渠道(alibaba-campus-intern-daily),由如约见每日自动同步; 如已下架可前往职位雷达用 AI 匹配相似岗位,或浏览招聘岗位大全。