主分类：数据工程与数据平台研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "智能引擎-多模态大模型数据工程师-北京",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类-开发"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队负责阿里巴巴多模态基础模型的数据体系建设，支撑行业领先的视频生成模型训练，处理百亿级图像、视频及图文数据。\n本岗位聚焦复杂多模态数据管线建设，持续提升大规模数据处理的吞吐、正确性与数据质量，为 Pretrain、SFT、RL 提供高效、可靠的数据供给。\n职位描述\n1. 设计和建设百亿级多模态数据处理管线，覆盖数据清洗、解码、转换、过滤、标注及训练加载等环节。\n2. 深入分析 CPU、内存、网络、存储、编解码及任务调度瓶颈，提升端到端吞吐、资源利用率和系统稳定性。\n3. 建设数据校验与质量评估体系，保障数据完整、一致、可追溯，持续提升数据的准确性、多样性和有效性。\n4. 基于 Ray、FFmpeg、PyTorch、vLLM 等技术建设高性能数据处理与模型推理组件，优化任务切分、批量推理、资源调度、数据传输及容错恢复。\n5. 面向 Pretrain、SFT、RL 等训练阶段，协同设计数据格式、分片策略、存储布局和读取链路，提升训练数据供给效率。\n6. 建立数据管线可观测体系，持续监控吞吐、延迟、资源利用率、失败率及数据质量，并分析数据特征与模型效果的关联。\n7. 与算法、训练框架及基础设施团队协作，完成复杂数据链路的架构设计、性能优化和规模化落地。",
"requirements_text": "1. 计算机基础扎实，熟练使用 Python，具备良好的 Linux 系统开发能力。\n2. 熟悉 PyTorch、FFmpeg、vLLM 等技术，具备多媒体数据处理或模型推理经验。\n3. 熟悉 Ray 或其他分布式计算框架，理解任务调度、数据传输、容错和资源管理机制。\n4. 具备系统性能分析与调优能力，能够定位 CPU、网络、存储、I/O 及编解码瓶颈。\n5. 了解多模态大模型及不同训练阶段的数据需求，重视数据质量，具备良好的跨团队协作能力。",
"skills": [AI生成
"Python",
"Linux",
"PyTorch",
"团队协作",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100008460012"
}
]
},
"posting": {
"posting_id": "100008460012",
"post_date": "2026-09-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100008460012"
},
"fulltext": "智能引擎-多模态大模型数据工程师-北京\n智能引擎-多模态大模型数据工程师-北京\n\n基础信息\n职位类别：技术类-开发\n工作地点：北京\n\n职位描述\n团队负责阿里巴巴多模态基础模型的数据体系建设，支撑行业领先的视频生成模型训练，处理百亿级图像、视频及图文数据。\n本岗位聚焦复杂多模态数据管线建设，持续提升大规模数据处理的吞吐、正确性与数据质量，为 Pretrain、SFT、RL 提供高效、可靠的数据供给。\n职位描述\n1. 设计和建设百亿级多模态数据处理管线，覆盖数据清洗、解码、转换、过滤、标注及训练加载等环节。\n2. 深入分析 CPU、内存、网络、存储、编解码及任务调度瓶颈，提升端到端吞吐、资源利用率和系统稳定性。\n3. 建设数据校验与质量评估体系，保障数据完整、一致、可追溯，持续提升数据的准确性、多样性和有效性。\n4. 基于 Ray、FFmpeg、PyTorch、vLLM 等技术建设高性能数据处理与模型推理组件，优化任务切分、批量推理、资源调度、数据传输及容错恢复。\n5. 面向 Pretrain、SFT、RL 等训练阶段，协同设计数据格式、分片策略、存储布局和读取链路，提升训练数据供给效率。\n6. 建立数据管线可观测体系，持续监控吞吐、延迟、资源利用率、失败率及数据质量，并分析数据特征与模型效果的关联。\n7. 与算法、训练框架及基础设施团队协作，完成复杂数据链路的架构设计、性能优化和规模化落地。\n\n职位要求\n1. 计算机基础扎实，熟练使用 Python，具备良好的 Linux 系统开发能力。\n2. 熟悉 PyTorch、FFmpeg、vLLM 等技术，具备多媒体数据处理或模型推理经验。\n3. 熟悉 Ray 或其他分布式计算框架，理解任务调度、数据传输、容错和资源管理机制。\n4. 具备系统性能分析与调优能力，能够定位 CPU、网络、存储、I/O 及编解码瓶颈。\n5. 了解多模态大模型及不同训练阶段的数据需求，重视数据质量，具备良好的跨团队协作能力。\n团队负责阿里巴巴多模态基础模型的数据体系建设，支撑行业领先的视频生成模型训练，处理百亿级图像、视频及图文数据。\n本岗位聚焦复杂多模态数据管线建设，持续提升大规模数据处理的吞吐、正确性与数据质量，为 Pretrain、SFT、RL 提供高效、可靠的数据供给。\n职位描述\n1. 设计和建设百亿级多模态数据处理管线，覆盖数据清洗、解码、转换、过滤、标注及训练加载等环节。\n2. 深入分析 CPU、内存、网络、存储、编解码及任务调度瓶颈，提升端到端吞吐、资源利用率和系统稳定性。\n3. 建设数据校验与质量评估体系，保障数据完整、一致、可追溯，持续提升数据的准确性、多样性和有效性。\n4. 基于 Ray、FFmpeg、PyTorch、vLLM 等技术建设高性能数据处理与模型推理组件，优化任务切分、批量推理、资源调度、数据传输及容错恢复。\n5. 面向 Pretrain、SFT、RL 等训练阶段，协同设计数据格式、分片策略、存储布局和读取链路，提升训练数据供给效率。\n6. 建立数据管线可观测体系，持续监控吞吐、延迟、资源利用率、失败率及数据质量，并分析数据特征与模型效果的关联。\n7. 与算法、训练框架及基础设施团队协作，完成复杂数据链路的架构设计、性能优化和规模化落地。\n1. 计算机基础扎实，熟练使用 Python，具备良好的 Linux 系统开发能力。\n2. 熟悉 PyTorch、FFmpeg、vLLM 等技术，具备多媒体数据处理或模型推理经验。\n3. 熟悉 Ray 或其他分布式计算框架，理解任务调度、数据传输、容错和资源管理机制。\n4. 具备系统性能分析与调优能力，能够定位 CPU、网络、存储、I/O 及编解码瓶颈。\n5. 了解多模态大模型及不同训练阶段的数据需求，重视数据质量，具备良好的跨团队协作能力。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}