数据基础及产品部-RL Data 工程师-Work

Company 阿里巴巴

Focus 技术 · 后端

杭州

July 28, 2026

岗位职责

端到端负责RL数据（Work 方向）项目：从方案设计、数据有效性验证到规模化生产，帮助模型在性能上达到业界SOTA。
数据体系搭建：构建 Work 方向数据构造与标注规范体系，涵盖 AI 办公软件、金融、法律、电商、网络安全、芯片 EDA、Visual Design 等方向的 Rubric 制定、评分标准分级与标注案例库建设。
轨迹标注生产：对模型 Rollout 产出的多步执行轨迹进行逐步标注（正确性/必要性/思考质量/整体 Reward），管理外部数据供应商交付质量，运营内部专家数据产能。
Bad Case 归因分析：对标注轨迹中的失败步骤做根因分类（模型能力不足 / 评测标准缺陷 / 任务定义问题），输出结构化改进清单，驱动训练数据补充与评测体系修正。
标注质量管控：建立双标一致性校验、金标准抽检、系统性偏差检测与分歧仲裁机制，确保标注数据可直接用于 Reward Model 训练，标注间一致率 ≥80%。
数据输出与迭代：周期性输出标注数据质量报告，识别模型能力薄弱区间，指导算法团队调整 Rollout 抽样策略与难度分布；随模型迭代补充更高难度标注数据，保持 Reward Model 区分度。
定义评分标准(rubrics)、黄金集(golden sets)和奖励信号(reward signals)，确保训练数据质量可量化、可追溯、可迭代。
协同算法团队闭环：与模型训练/RL算法团队紧密配合，将模型效果反馈翻译为数据改进策略，驱动数据→模型→评测的飞轮。

任职要求

有 AI+办公、金融、法律、电商、网络安全、芯片/半导体、Visual Design 等领域的行业经验，能基于专业判断对 Agent 输出做准确的对错裁定，而非仅凭"看起来合理"。
具备轨迹级标注能力：能对 Agent 多步执行序列逐步评判正确性、必要性、思考质量，准确归因 bad case 根因（模型能力不足 / 评测标准缺陷 / 任务定义问题）。
能理解并严格执行 Rubric 评分标准，标注一致性高；遇到 Rubric 未覆盖的边界情况能准确记录并反馈，而非自行发挥。
有双标校验、分歧仲裁的协作经验，能清晰表述评分依据，说服或接受他人的合理异议。
能区分"最终结果错误"与"过程路径不优"——前者是硬伤，后者需按梯度扣分而非一刀切判零。
熟悉 Agent 工具调用模式（bash/python/API），能读懂执行日志和代码片段，判断操作是否冗余、是否有隐性副作用。

方向 1：AI 办公 & 数据分析精通 Excel 高级功能（透视表/VBA/Power Query）、Python 办公自动化（openpyxl/pandas/python-pptx），有钉钉/飞书等协同平台 API 开发经验。方向 2：金融 & 法律金融侧熟悉财报分析、估值建模、研报撰写；法律侧有合同审查、法条检索、判例分析实务经验。能识别模型输出中的专业性错误（术语误用、逻辑断裂、引用失实）。方向 3：电商有选品、详情页、促销策划的运营实操，熟悉淘天/1688/跨境平台后台逻辑与数据指标。方向 4：网络安全具备渗透测试或 CTF 实战经验，熟悉安全工具链（Burp/Metasploit/Nmap），能判断 Agent 漏洞利用路径的合理性与完整性。方向 5：芯片设计 EDA 有 RTL 设计或验证经验，熟悉 Verilog/SystemVerilog 及主流 EDA 工具（Synopsys/Cadence），能评估综合/时序/DRC 流程的操作正确性。方向 6：Visual Design 精通 Figma/Adobe 系列，理解栅格、色彩、字体层级等设计规范，能从审美和工程两个维度评判视觉产物。

岗位标签

NEW

岗位职责

端到端负责RL数据（Work 方向）项目：从方案设计、数据有效性验证到规模化生产，帮助模型在性能上达到业界SOTA。

数据体系搭建：构建 Work 方向数据构造与标注规范体系，涵盖 AI 办公软件、金融、法律、电商、网络安全、芯片 EDA、Visual Design 等方向的 Rubric 制定、评分标准分级与标注案例库建设。

轨迹标注生产：对模型 Rollout 产出的多步执行轨迹进行逐步标注（正确性/必要性/思考质量/整体 Reward），管理外部数据供应商交付质量，运营内部专家数据产能。

Bad Case 归因分析：对标注轨迹中的失败步骤做根因分类（模型能力不足 / 评测标准缺陷 / 任务定义问题），输出结构化改进清单，驱动训练数据补充与评测体系修正。

标注质量管控：建立双标一致性校验、金标准抽检、系统性偏差检测与分歧仲裁机制，确保标注数据可直接用于 Reward Model 训练，标注间一致率 ≥80%。

数据输出与迭代：周期性输出标注数据质量报告，识别模型能力薄弱区间，指导算法团队调整 Rollout 抽样策略与难度分布；随模型迭代补充更高难度标注数据，保持 Reward Model 区分度。

定义评分标准(rubrics)、黄金集(golden sets)和奖励信号(reward signals)，确保训练数据质量可量化、可追溯、可迭代。

协同算法团队闭环：与模型训练/RL算法团队紧密配合，将模型效果反馈翻译为数据改进策略，驱动数据→模型→评测的飞轮。

任职要求

有 AI+办公、金融、法律、电商、网络安全、芯片/半导体、Visual Design 等领域的行业经验，能基于专业判断对 Agent 输出做准确的对错裁定，而非仅凭"看起来合理"。

具备轨迹级标注能力：能对 Agent 多步执行序列逐步评判正确性、必要性、思考质量，准确归因 bad case 根因（模型能力不足 / 评测标准缺陷 / 任务定义问题）。

能理解并严格执行 Rubric 评分标准，标注一致性高；遇到 Rubric 未覆盖的边界情况能准确记录并反馈，而非自行发挥。

有双标校验、分歧仲裁的协作经验，能清晰表述评分依据，说服或接受他人的合理异议。

能区分"最终结果错误"与"过程路径不优"——前者是硬伤，后者需按梯度扣分而非一刀切判零。

熟悉 Agent 工具调用模式（bash/python/API），能读懂执行日志和代码片段，判断操作是否冗余、是否有隐性副作用。