【工作职责】 通过技术创新支持阿里集团大模型研发快速迭代，主要工作内容和挑战如下： 1. 建设大规模强化学习的环境平台，增强大模型对齐Coding&Agentic等方面的能力。 2. 结合强化学习框架，优化强化学习效率，实现高效的大规模强化学习训练。 3. 建设覆盖各个领域场景的真实和仿真环境，支持大规模评测和Agentic后训练。 4. 将成熟的系统与算法成果发表于学术会议，并回馈开源社区（如 ROCK和ROLL等），持续提升在学术界与产业界的影响力。 【任职要求】 1. 学习能力较强，愿意学习新东西，具有优秀的分析和解决实际问题的能力和态度，对技术有强烈激情。 2. 具有良好的编程和工程实现能力，精通Python，算法和数据结构基础扎实。 3. 有大规模分布式系统研发经验，熟悉Ray/K8S等分布式调度和计算框架者优先。 4. 符合以下条件之一者优先： (1) 熟悉Roll/Verl等大模型强化学习框架者优先。 (2) 有大模型数据合成相关经验优先，例如SWE、TerminalBench等。 (3) 喜欢尝试新技术，追求编写优雅的代码，在某个开源技术社区活跃者优先。 (4) 有Agent仿真环境开发经验者优先。