主分类：计算机视觉与图像感知算法研发
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": "ATH事业群-无人零售行业算法专家-杭州/北京/上海",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "云智能集团",
"location": "北京 / 杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "深入参与无人零售货柜场景下用户购买行为识别算法研发，围绕“传统视觉能力 + 多模态大模型”协同方案，重点提升复杂场景下的识别准确率、鲁棒性与工程落地，支撑算法方案在真实业务中的持续迭代与规模化复制。具体工作包括但不限于：\n1. 参与搭建和优化从目标检测、商品识别、目标跟踪、时序行为理解到交易事件判定的完整技术链路；\n2. 推动传统视觉能力与多模态大模型在视频理解、复杂行为推理、异常场景识别等方向的协同应用，探索适合业务场景的高精度、低成本解决方案；\n3. 建设异常场景检出、风险识别与兜底处理机制，提升方案对边界问题的覆盖能力和线上稳定性；\n4. 基于线上问题构建数据回流、样本分析、标注优化、训练评估和效果回归机制，持续提升模型在真实业务场景中的表现；\n5. 参与线上识别链路的部署、策略优化与性能调优，平衡识别效果、推理成本与响应延迟，推动方案稳定上线。",
"requirements_text": "1. 本科及以上学历，计算机、人工智能、模式识别、机器学习等相关专业优先；\n2. 具备零售货柜、智能零售或相近场景的相关算法经验；\n3. 具备扎实的计算机视觉和深度学习基础，熟悉目标检测、目标跟踪、语义分割、视频理解等方向，具备相关项目落地经验；\n4. 具备多模态大模型相关业务落地经验，熟悉 SFT、DPO、RL 等后训练算法的开发与调优，在视频理解、视觉语言模型应用等方向有实际项目经验。\n5. 具备较强的代码与工程实现能力，精通 Python 及 PyTorch，熟悉大模型训练框架，如ms-swift、verl等；\n6. 具备良好的业务理解、问题拆解和跨团队协作能力，能够围绕业务指标持续推动算法优化与方案落地。",
"skills": [AI生成
"Python",
"Swift",
"PyTorch",
"机器学习",
"深度学习",
"计算机视觉",
"模型训练",
"团队协作",
"大语言模型"
],
"preferred_qualifications": "1. 本科及以上学历，计算机、人工智能、模式识别、机器学习等相关专业优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100017043002"
}
]
},
"posting": {
"posting_id": "100017043002",
"post_date": "2026-09-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100017043002"
},
"fulltext": "ATH事业群-无人零售行业算法专家-杭州/北京/上海\nATH事业群-无人零售行业算法专家-杭州/北京/上海\n\n基础信息\n工作地点：北京 / 杭州 / 上海\n\n职位描述\n深入参与无人零售货柜场景下用户购买行为识别算法研发，围绕“传统视觉能力 + 多模态大模型”协同方案，重点提升复杂场景下的识别准确率、鲁棒性与工程落地，支撑算法方案在真实业务中的持续迭代与规模化复制。具体工作包括但不限于：\n1. 参与搭建和优化从目标检测、商品识别、目标跟踪、时序行为理解到交易事件判定的完整技术链路；\n2. 推动传统视觉能力与多模态大模型在视频理解、复杂行为推理、异常场景识别等方向的协同应用，探索适合业务场景的高精度、低成本解决方案；\n3. 建设异常场景检出、风险识别与兜底处理机制，提升方案对边界问题的覆盖能力和线上稳定性；\n4. 基于线上问题构建数据回流、样本分析、标注优化、训练评估和效果回归机制，持续提升模型在真实业务场景中的表现；\n5. 参与线上识别链路的部署、策略优化与性能调优，平衡识别效果、推理成本与响应延迟，推动方案稳定上线。\n\n职位要求\n1. 本科及以上学历，计算机、人工智能、模式识别、机器学习等相关专业优先；\n2. 具备零售货柜、智能零售或相近场景的相关算法经验；\n3. 具备扎实的计算机视觉和深度学习基础，熟悉目标检测、目标跟踪、语义分割、视频理解等方向，具备相关项目落地经验；\n4. 具备多模态大模型相关业务落地经验，熟悉 SFT、DPO、RL 等后训练算法的开发与调优，在视频理解、视觉语言模型应用等方向有实际项目经验。\n5. 具备较强的代码与工程实现能力，精通 Python 及 PyTorch，熟悉大模型训练框架，如ms-swift、verl等；\n6. 具备良好的业务理解、问题拆解和跨团队协作能力，能够围绕业务指标持续推动算法优化与方案落地。\n深入参与无人零售货柜场景下用户购买行为识别算法研发，围绕“传统视觉能力 + 多模态大模型”协同方案，重点提升复杂场景下的识别准确率、鲁棒性与工程落地，支撑算法方案在真实业务中的持续迭代与规模化复制。具体工作包括但不限于：\n1. 参与搭建和优化从目标检测、商品识别、目标跟踪、时序行为理解到交易事件判定的完整技术链路；\n2. 推动传统视觉能力与多模态大模型在视频理解、复杂行为推理、异常场景识别等方向的协同应用，探索适合业务场景的高精度、低成本解决方案；\n3. 建设异常场景检出、风险识别与兜底处理机制，提升方案对边界问题的覆盖能力和线上稳定性；\n4. 基于线上问题构建数据回流、样本分析、标注优化、训练评估和效果回归机制，持续提升模型在真实业务场景中的表现；\n5. 参与线上识别链路的部署、策略优化与性能调优，平衡识别效果、推理成本与响应延迟，推动方案稳定上线。\n1. 本科及以上学历，计算机、人工智能、模式识别、机器学习等相关专业优先；\n2. 具备零售货柜、智能零售或相近场景的相关算法经验；\n3. 具备扎实的计算机视觉和深度学习基础，熟悉目标检测、目标跟踪、语义分割、视频理解等方向，具备相关项目落地经验；\n4. 具备多模态大模型相关业务落地经验，熟悉 SFT、DPO、RL 等后训练算法的开发与调优，在视频理解、视觉语言模型应用等方向有实际项目经验。\n5. 具备较强的代码与工程实现能力，精通 Python 及 PyTorch，熟悉大模型训练框架，如ms-swift、verl等；\n6. 具备良好的业务理解、问题拆解和跨团队协作能力，能够围绕业务指标持续推动算法优化与方案落地。",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}