主分类：计算机视觉与图像感知算法研发
辅助：大模型与生成式算法研发（仅展示）
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": "达摩院-超声AI大模型算法专家-具身智能",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"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": "● 计算机、人工智能、生物医学工程、自动化等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责超声影像核心算法研发，包括但不限于标准切面识别、器官识别、病灶检测与分割、图像质量评估、超声视频理解等方向，持续提升模型在真实临床场景中的性能与泛化能力。\n2. 参与超声多模态基础模型研发，探索超声图像、视频、文本报告、扫查轨迹等多模态数据的统一建模方法，构建面向超声场景的视觉语言模型（VLM）及医疗基础模型能力。\n3. 参与超声诊断大模型研发，探索超声影像理解、病灶分析、诊断推理及报告生成等关键能力，推动大模型在真实医疗场景中的应用落地。\n4. 参与大规模超声数据体系建设，包括数据清洗、自动标注、主动学习、评测体系构建以及训练数据闭环优化，推动超声基础模型持续迭代升级。\n5. 跟踪医疗AI、多模态大模型、视频基础模型等前沿技术方向，推动创新算法在超声医疗 AI中的研究与落地。",
"requirements_text": "基础要求\n● 计算机、人工智能、生物医学工程、自动化等相关专业硕士及以上学历\n● 具备扎实的深度学习基础与工程能力\n● 熟练使用 PyTorch 等深度学习框架\n● 具备较强的问题分析与科研落地能力\n● 有超声影像 AI 相关研究或产业经验\n● 有超声视频理解 / 时序建模经验优先\n● 有医疗影像基础模型 / 医疗多模态模型经验优先\n● 熟悉超声数据特点与临床场景优先\n● 有 LLM / VLM / 多模态大模型研发经验\n● 熟悉 Transformer、Diffusion、CLIP、SAM 等主流架构\n● 有预训练、SFT、RLHF 等相关经验\n● 有视频理解、多模态对齐、Agent 或 VLA 经验优先\n● 有大规模训练与分布式训练经验优先\n加分项\n● 在 CVPR / ICCV / ECCV / MICCAI / NeurIPS / ICLR / ICML 等顶会发表论文\n● 有 embodied AI / robotics / VLA 相关经验\n● 有医疗 AI 产品化或临床合作经验\n● 对医疗机器人、智能诊断、基础模型方向有长期兴趣",
"skills": [AI生成
"PyTorch",
"深度学习",
"建模",
"大语言模型"
],
"preferred_qualifications": "● 有超声视频理解 / 时序建模经验优先；● 有医疗影像基础模型 / 医疗多模态模型经验优先；● 熟悉超声数据特点与临床场景优先；● 有视频理解、多模态对齐、Agent 或 VLA 经验优先；● 有大规模训练与分布式训练经验优先；加分项",
"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=100018420003"
}
]
},
"posting": {
"posting_id": "100018420003",
"post_date": "2026-09-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100018420003"
},
"fulltext": "达摩院-超声AI大模型算法专家-具身智能\n达摩院-超声AI大模型算法专家-具身智能\n\n基础信息\n职位类别：技术类-算法\n工作地点：杭州\n\n职位描述\n1. 负责超声影像核心算法研发，包括但不限于标准切面识别、器官识别、病灶检测与分割、图像质量评估、超声视频理解等方向，持续提升模型在真实临床场景中的性能与泛化能力。\n2. 参与超声多模态基础模型研发，探索超声图像、视频、文本报告、扫查轨迹等多模态数据的统一建模方法，构建面向超声场景的视觉语言模型（VLM）及医疗基础模型能力。\n3. 参与超声诊断大模型研发，探索超声影像理解、病灶分析、诊断推理及报告生成等关键能力，推动大模型在真实医疗场景中的应用落地。\n4. 参与大规模超声数据体系建设，包括数据清洗、自动标注、主动学习、评测体系构建以及训练数据闭环优化，推动超声基础模型持续迭代升级。\n5. 跟踪医疗AI、多模态大模型、视频基础模型等前沿技术方向，推动创新算法在超声医疗 AI中的研究与落地。\n\n职位要求\n基础要求\n● 计算机、人工智能、生物医学工程、自动化等相关专业硕士及以上学历\n● 具备扎实的深度学习基础与工程能力\n● 熟练使用 PyTorch 等深度学习框架\n● 具备较强的问题分析与科研落地能力\n● 有超声影像 AI 相关研究或产业经验\n● 有超声视频理解 / 时序建模经验优先\n● 有医疗影像基础模型 / 医疗多模态模型经验优先\n● 熟悉超声数据特点与临床场景优先\n● 有 LLM / VLM / 多模态大模型研发经验\n● 熟悉 Transformer、Diffusion、CLIP、SAM 等主流架构\n● 有预训练、SFT、RLHF 等相关经验\n● 有视频理解、多模态对齐、Agent 或 VLA 经验优先\n● 有大规模训练与分布式训练经验优先\n加分项\n● 在 CVPR / ICCV / ECCV / MICCAI / NeurIPS / ICLR / ICML 等顶会发表论文\n● 有 embodied AI / robotics / VLA 相关经验\n● 有医疗 AI 产品化或临床合作经验\n● 对医疗机器人、智能诊断、基础模型方向有长期兴趣\n1. 负责超声影像核心算法研发，包括但不限于标准切面识别、器官识别、病灶检测与分割、图像质量评估、超声视频理解等方向，持续提升模型在真实临床场景中的性能与泛化能力。\n2. 参与超声多模态基础模型研发，探索超声图像、视频、文本报告、扫查轨迹等多模态数据的统一建模方法，构建面向超声场景的视觉语言模型（VLM）及医疗基础模型能力。\n3. 参与超声诊断大模型研发，探索超声影像理解、病灶分析、诊断推理及报告生成等关键能力，推动大模型在真实医疗场景中的应用落地。\n4. 参与大规模超声数据体系建设，包括数据清洗、自动标注、主动学习、评测体系构建以及训练数据闭环优化，推动超声基础模型持续迭代升级。\n5. 跟踪医疗AI、多模态大模型、视频基础模型等前沿技术方向，推动创新算法在超声医疗 AI中的研究与落地。\n基础要求\n● 计算机、人工智能、生物医学工程、自动化等相关专业硕士及以上学历\n● 具备扎实的深度学习基础与工程能力\n● 熟练使用 PyTorch 等深度学习框架\n● 具备较强的问题分析与科研落地能力\n● 有超声影像 AI 相关研究或产业经验\n● 有超声视频理解 / 时序建模经验优先\n● 有医疗影像基础模型 / 医疗多模态模型经验优先\n● 熟悉超声数据特点与临床场景优先\n● 有 LLM / VLM / 多模态大模型研发经验\n● 熟悉 Transformer、Diffusion、CLIP、SAM 等主流架构\n● 有预训练、SFT、RLHF 等相关经验\n● 有视频理解、多模态对齐、Agent 或 VLA 经验优先\n● 有大规模训练与分布式训练经验优先\n加分项\n● 在 CVPR / ICCV / ECCV / MICCAI / NeurIPS / ICLR / ICML 等顶会发表论文\n● 有 embodied AI / robotics / VLA 相关经验\n● 有医疗 AI 产品化或临床合作经验\n● 对医疗机器人、智能诊断、基础模型方向有长期兴趣",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}