主分类：AI训练推理与计算优化
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": "AI推理平台-LLM / AIGC 推理加速算法专家-杭州/北京",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"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": "我们希望围绕大语言模型与 AIGC 模型，探索更具前瞻性的推理优化方法，并将其转化为真实场景中的性能收益。你将参与下一代推理加速技术的研究与落地，面向生成模型推理中的核心瓶颈，持续推进算法设计、效果验证与系统协同优化。\n你将参与以下工作：\n● 面向 LLM 与 AIGC 场景，研究生成模型推理加速的关键问题\n● 探索前沿生成范式，以及基于后训练的模型架构演进\n● 探索SOTA加速方案，如投机、sparse attention、LLM/Diffusion distillation等技术\n● 与工程及基础设施团队协同，探索框架+算法+算子一体的更大scope的加速方案\n● 跟踪相关领域前沿进展，推动新方法的快速评估与应用",
"requirements_text": "● 在生成模型、推理优化或高性能计算相关方向具备扎实积累\n● 对 LLM 或 AIGC 模型推理过程有较深入理解，具备相关优化实践经验\n● 具备良好的算法分析能力和工程实现能力，能够独立推动方案设计与验证\n● 具备良好的协作能力和技术推动力，能够与多角色团队共同完成复杂项目落地\n加分项\n● 在推理加速、模型压缩或生成式模型优化方向有代表性成果\n● 具备从研究到落地的完整项目经验\n● 有关键技术方向主导经验者优先",
"skills": [AI生成
"分析能力",
"大语言模型"
],
"preferred_qualifications": "加分项；● 有关键技术方向主导经验者优先",
"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=100015720002"
}
]
},
"posting": {
"posting_id": "100015720002",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100015720002"
},
"fulltext": "AI推理平台-LLM / AIGC 推理加速算法专家-杭州/北京\nAI推理平台-LLM / AIGC 推理加速算法专家-杭州/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 / 杭州\n\n职位描述\n我们希望围绕大语言模型与 AIGC 模型，探索更具前瞻性的推理优化方法，并将其转化为真实场景中的性能收益。你将参与下一代推理加速技术的研究与落地，面向生成模型推理中的核心瓶颈，持续推进算法设计、效果验证与系统协同优化。\n你将参与以下工作：\n● 面向 LLM 与 AIGC 场景，研究生成模型推理加速的关键问题\n● 探索前沿生成范式，以及基于后训练的模型架构演进\n● 探索SOTA加速方案，如投机、sparse attention、LLM/Diffusion distillation等技术\n● 与工程及基础设施团队协同，探索框架+算法+算子一体的更大scope的加速方案\n● 跟踪相关领域前沿进展，推动新方法的快速评估与应用\n\n职位要求\n● 在生成模型、推理优化或高性能计算相关方向具备扎实积累\n● 对 LLM 或 AIGC 模型推理过程有较深入理解，具备相关优化实践经验\n● 具备良好的算法分析能力和工程实现能力，能够独立推动方案设计与验证\n● 具备良好的协作能力和技术推动力，能够与多角色团队共同完成复杂项目落地\n加分项\n● 在推理加速、模型压缩或生成式模型优化方向有代表性成果\n● 具备从研究到落地的完整项目经验\n● 有关键技术方向主导经验者优先\n我们希望围绕大语言模型与 AIGC 模型，探索更具前瞻性的推理优化方法，并将其转化为真实场景中的性能收益。你将参与下一代推理加速技术的研究与落地，面向生成模型推理中的核心瓶颈，持续推进算法设计、效果验证与系统协同优化。\n你将参与以下工作：\n● 面向 LLM 与 AIGC 场景，研究生成模型推理加速的关键问题\n● 探索前沿生成范式，以及基于后训练的模型架构演进\n● 探索SOTA加速方案，如投机、sparse attention、LLM/Diffusion distillation等技术\n● 与工程及基础设施团队协同，探索框架+算法+算子一体的更大scope的加速方案\n● 跟踪相关领域前沿进展，推动新方法的快速评估与应用\n● 在生成模型、推理优化或高性能计算相关方向具备扎实积累\n● 对 LLM 或 AIGC 模型推理过程有较深入理解，具备相关优化实践经验\n● 具备良好的算法分析能力和工程实现能力，能够独立推动方案设计与验证\n● 具备良好的协作能力和技术推动力，能够与多角色团队共同完成复杂项目落地\n加分项\n● 在推理加速、模型压缩或生成式模型优化方向有代表性成果\n● 具备从研究到落地的完整项目经验\n● 有关键技术方向主导经验者优先",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}