阿里健康-多模态大模型后训练算法专家-杭州

团队聚焦于多模态大模型后训练、强化学习对齐、大规模数据处理等方向，持续突破大模型在医疗等垂直场景下的能力边界，推动 AI 技术与医疗业务的深度融合。 ▎ 岗位描述

1. 负责大规模多模态大模型的后训练（Post-training）工作，包括但不限于 SFT（监督微调）、RLHF / RLAIF（基于人类/AI 反馈的强化学习）、GRPO、DPO 等主流后训练方法的研究、实现与工程落地；
2. 负责构建和优化大规模多模态训练数据管线，涵盖数据清洗、质量评估、去重、指令构造、偏好对构建等环节，保障训练数据的质量与规模；
3. 设计和实施强化学习训练方案，包括 Reward Model 训练、PPO / GRPO 等 RL 算法的工程优化，提升模型在医疗等垂直场景下的对齐效果与安全性；
4. 跟踪多模态大模型后训练领域的前沿技术进展（如 Chain-of-Thought 推理增强、自我进化训练、多轮对话优化等），结合业务需求进行技术选型和落地；推动模型能力在医疗业务场景中的持续迭代与效果提升。

1. 计算机、人工智能、数学或相关专业硕士及以上学历，3 年及以上算法研发经验，有大模型或深度学习相关研究/工程背景；
2. 熟练掌握 Python，熟悉主流深度学习框架（PyTorch 等），具备扎实的算法工程能力和分布式训练经验，能独立完成大规模模型的训练与调优；
3. 具有大规模多模态模型后训练的完整实践经验，熟悉 SFT、RLHF / RLAIF、GRPO、DPO 等后训练范式，了解不同方法的适用场景与工程挑战；
4. 具有大规模数据处理经验，熟悉数据清洗、质量评估、去重、指令构造等流程
5. 具有强化学习相关经验，熟悉 PPO、GRPO、DPO 等算法原理及工程实现，有 Reward Model 训练或在线 RL 经验者优先；
6. 良好的问题分析与解决能力，具备较强的技术洞察力和业务敏感度，能够将前沿技术有效转化为业务价值；
7. 良好的团队协作与跨部门沟通能力，能推动算法与工程、产品团队的高效协同。