阿里巴巴
数据技术及产品部-RL Data工程师-Work（智能助手）
官网发布时间：
职位描述
1. 千问 C 端数据体系设计与 Bad Case 挖掘：针对千问 C 端多种真实使用场景（日常问答、对话/多轮、办公类任务、开放性问题、安全对齐等）做结构化拆解（意图分类、场景分级、任务原子化），设计可复用的任务模板与数据构造方式；从线上真实对话与模型 rollout 中系统性发现 bad case（回答错误、意图误判、答非所问、拒答过度、多轮体验断裂、安全对齐问题等），做根因分类并输出结构化改进清单，驱动数据补充与评测修正。 2. 用户意图识别与问答/开放性问题分析：对 C 端多样化、口语化、含糊或多意图的真实 query 做意图拆解与分类，还原用户真实诉求，沉淀可复用的意图体系；覆盖高频日常问答（生活/办公/学习/常识/信息查询）分析回答的准确性、有用性与完整性；针对无标准答案的开放性问题（观点表达、创作、多轮探讨、复杂推理）设计可评价的质量维度，把主观判断拆成可校验、可自动化的子问题。 3. 大模型行为轨迹生产与激励标注、Rubric 共建：驱动大模型在真实 C 端场景中产出推理与操作轨迹，设计多阶段过程激励（Process Reward）与结果激励（Outcome Rewar
任职要求
1. 对千问 C 端产品或类似 C 端 AI 助手场景有系统性理解，能对模型输出做准确的对错与体验裁定；日常能使用大模型辅助分析问题，把 LLM 稳定嵌入到意图识别、bad case 归因、问答质量评估等真实场景中，了解 Agent 开发与 Harness 工程者优先。 2. 具备强 bad case sense 与用户意图识别能力：能从海量真实对话中识别模型易错点、意图误判与低质量回答并做准确归因，熟悉 C 端用户表达习惯，能对模糊 / 多意图 query 做结构化拆解与分类。 3. 具备开放性问题评价与 Rubric / 标注设计能力：能对无标准答案的问题设计质量维度，把主观判断拆成可校验子问题；能独立完成从场景拆解 → 任务类型定义 → instance 模板设计的 Taxonomy 链路；有标注（含 BPO / 外包）流程设计、规范制定、质检校准与人效优化经验者优先。 4. 具备扎实的工程与数据开发能力：熟练 Python，能独立完成数据抓取、清洗、批量调用 LLM、结果聚合等脚本化工作，读得懂 Agent 执行日志；能通过工程设计（数据链路、任务编排、Agent 工作流、反馈