业务技术-AI Agent 后训练专家-杭州

加入我们，你将构建阿里集团企业级Agent平台后训练技术体系，支撑核心电商、零售、本地生活等丰富业务场景的AI方案效果持续提升，通过先进AI技术探索，持续提升业务效果迭代飞轮，发现新的业务机会！

具体你将会负责：

1. Agent效果优化体系建设

○ 构建面向Agent平台的模型后训练技术体系，包括SFT（监督微调）、RLHF（基于人类反馈的强化学习）、DPO（直接偏好优化）等技术栈

○ 设计并实施Agent效果持续优化的数据飞轮机制，实现模型能力的自动化迭代升级

2. 平台化能力建设

○ 将复杂的后训练技术封装为平台化能力，降低业务方使用门槛

○ 支持多种场景的Agent定制化优化，如对话理解、任务规划、工具调用等

3. 评测与对齐体系

○ 建立Agent效果评测体系，包括自动化评测和人工评测

○ 设计偏好学习和人类反馈收集机制，确保Agent行为符合业务预期

1. 本科及以上学历，具备计算机科学/人工智能/统计学/数学或相关专业背景

2. 2年以上软件工程经验，1年以上LLM算法经验，精通Python/JAVA等主流编程语言

3. 深入掌握SFT、RLHF、DPO、PPO等主流后训练算法，能够根据业务场景选择和优化算法

4. 具备真实业务场景后训练经验，包含数据集构建、训练方案设计和实验、效果评估，以及方案调优持续迭代

5. 有良好协作能力和逻辑思维，热爱技术拥抱开源

6. 加分项：主导过企业级Agent平台的后训练体系建设；有构建数据飞轮并实现模型持续优化的成功案例；有开源社区核心共享经验优先