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": "千问办公-视觉Agent 算法专家-杭州",
"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": "钉钉",
"company_industry": "企业服务 / 协同办公",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "钉钉提供企业沟通、协同办公和组织数字化工具。"
},
"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",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责面向真实业务场景的视频分析 Agent 算法研发，围绕实时视频理解与离线长视频复杂任务分析两大方向，构建具备感知、记忆、规划、推理与工具调用能力的多模态智能系统。\n岗位职责\n1、负责实时视频分析 Agent研发，融合 CV、VLM、Omni/多模态大模型等能力，服务于工业质检、巡检、SOP 合规、Streaming Video 交互等场景；\n2、设计并优化面向视频流场景的长短期记忆机制、事件检测、异常告警与状态跟踪能力，提升实时性、稳定性与准确率；\n3、负责通用/专用视觉模型在垂直场景中的微调、适配与性能优化，包括检测、识别、时序理解、多模态问答等任务；\n4、负责离线长视频分析 Agent能力建设，提升模型在复杂任务中的自主拆解、规划、多步推理、细粒度分析与结果归因能力；\n5、基于 SFT、RL/RLHF、DPO、Agentic RL 等后训练方法，提升大模型在Planning、Reasoning、Function Calling、RAG、数据洞察等方面的能力；\n6、构建视频分析 Agent 的工具使用体系，支持如 crop_video、zoom-in、片段重采样、目标聚焦、证据回溯等能力，形成“观察—推理—行动—验证”闭环；\n7、设计高质量训练数据与评测体系，持续提升长视频复杂任务上的准确率、鲁棒性、可解释性与泛化能力；\n8、与产品、工程、业务团队协作，推动算法方案在真实场景中的落地与迭代。",
"requirements_text": "计算机、人工智能、模式识别、自动化等相关专业，本科及以上，具备扎实的机器学习/深度学习基础。\n熟悉计算机视觉与视频理解核心方向，具备检测、分割、跟踪、动作识别、时序建模、事件分析等相关经验。\n熟悉 VLM/MLLM/Omni 多模态模型原理及应用，有视频理解、多模态问答、视频 Agent 或具身/交互式智能体经验者优先。\n熟悉大模型后训练方法，包括 SFT、DPO、RL/RLHF 等，对 Agent 能力对齐、任务分解、规划推理有实战经验。\n具备 Agent/tool use/function calling/RAG 相关经验，能够设计基于工具增强的多轮推理流程。\n熟悉长短期记忆、上下文管理、时序信息压缩与检索机制，有长视频理解或流式视频分析经验者优先。\n熟练使用 PyTorch，具备模型训练、微调、部署与性能优化能力；有低延迟推理、流式系统优化经验者优先。\n具备较强的问题抽象与系统设计能力，能够从业务场景出发定义任务、构建数据、设计评测并推动落地。\n优先条件\n有工业质检、巡检、安防、SOP 合规、视频交互等真实场景落地经验。\n有长视频复杂任务分析、视频 CoT/规划推理、视频 Agent、Agentic RL 相关经验。\n有多模态大模型微调、蒸馏、对齐、推理加速或线上部署经验。\n在 CV、MM、NLP、Agent、RL 等方向有高水平论文、开源项目或竞赛成果。\n加分项关键词\n视频理解、Streaming Video、VLM、MLLM、Omni、Agent、Planning、Reasoning、Memory、Tool Use、Function Calling、RAG、SFT、DPO、RLHF、Agentic RL、工业质检、巡检、SOP",
"skills": [AI生成
"PyTorch",
"机器学习",
"深度学习",
"自然语言处理",
"计算机视觉",
"模型训练",
"模型微调",
"性能优化",
"建模",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "熟悉 VLM/MLLM/Omni 多模态模型原理及应用，有视频理解、多模态问答、视频 Agent 或具身/交互式智能体经验者优先；熟悉长短期记忆、上下文管理、时序信息压缩与检索机制，有长视频理解或流式视频分析经验者优先；有低延迟推理、流式系统优化经验者优先；优先条件；加分项关键词",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100018440008"
}
]
},
"posting": {
"posting_id": "100018440008",
"post_date": "2026-08-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100018440008"
},
"fulltext": "千问办公-视觉Agent 算法专家-杭州\n千问办公-视觉Agent 算法专家-杭州\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\n负责面向真实业务场景的视频分析 Agent 算法研发，围绕实时视频理解与离线长视频复杂任务分析两大方向，构建具备感知、记忆、规划、推理与工具调用能力的多模态智能系统。\n岗位职责\n1、负责实时视频分析 Agent研发，融合 CV、VLM、Omni/多模态大模型等能力，服务于工业质检、巡检、SOP 合规、Streaming Video 交互等场景；\n2、设计并优化面向视频流场景的长短期记忆机制、事件检测、异常告警与状态跟踪能力，提升实时性、稳定性与准确率；\n3、负责通用/专用视觉模型在垂直场景中的微调、适配与性能优化，包括检测、识别、时序理解、多模态问答等任务；\n4、负责离线长视频分析 Agent能力建设，提升模型在复杂任务中的自主拆解、规划、多步推理、细粒度分析与结果归因能力；\n5、基于 SFT、RL/RLHF、DPO、Agentic RL 等后训练方法，提升大模型在Planning、Reasoning、Function Calling、RAG、数据洞察等方面的能力；\n6、构建视频分析 Agent 的工具使用体系，支持如 crop_video、zoom-in、片段重采样、目标聚焦、证据回溯等能力，形成“观察—推理—行动—验证”闭环；\n7、设计高质量训练数据与评测体系，持续提升长视频复杂任务上的准确率、鲁棒性、可解释性与泛化能力；\n8、与产品、工程、业务团队协作，推动算法方案在真实场景中的落地与迭代。\n\n职位要求\n计算机、人工智能、模式识别、自动化等相关专业，本科及以上，具备扎实的机器学习/深度学习基础。\n熟悉计算机视觉与视频理解核心方向，具备检测、分割、跟踪、动作识别、时序建模、事件分析等相关经验。\n熟悉 VLM/MLLM/Omni 多模态模型原理及应用，有视频理解、多模态问答、视频 Agent 或具身/交互式智能体经验者优先。\n熟悉大模型后训练方法，包括 SFT、DPO、RL/RLHF 等，对 Agent 能力对齐、任务分解、规划推理有实战经验。\n具备 Agent/tool use/function calling/RAG 相关经验，能够设计基于工具增强的多轮推理流程。\n熟悉长短期记忆、上下文管理、时序信息压缩与检索机制，有长视频理解或流式视频分析经验者优先。\n熟练使用 PyTorch，具备模型训练、微调、部署与性能优化能力；有低延迟推理、流式系统优化经验者优先。\n具备较强的问题抽象与系统设计能力，能够从业务场景出发定义任务、构建数据、设计评测并推动落地。\n优先条件\n有工业质检、巡检、安防、SOP 合规、视频交互等真实场景落地经验。\n有长视频复杂任务分析、视频 CoT/规划推理、视频 Agent、Agentic RL 相关经验。\n有多模态大模型微调、蒸馏、对齐、推理加速或线上部署经验。\n在 CV、MM、NLP、Agent、RL 等方向有高水平论文、开源项目或竞赛成果。\n加分项关键词\n视频理解、Streaming Video、VLM、MLLM、Omni、Agent、Planning、Reasoning、Memory、Tool Use、Function Calling、RAG、SFT、DPO、RLHF、Agentic RL、工业质检、巡检、SOP\n负责面向真实业务场景的视频分析 Agent 算法研发，围绕实时视频理解与离线长视频复杂任务分析两大方向，构建具备感知、记忆、规划、推理与工具调用能力的多模态智能系统。\n岗位职责\n1、负责实时视频分析 Agent研发，融合 CV、VLM、Omni/多模态大模型等能力，服务于工业质检、巡检、SOP 合规、Streaming Video 交互等场景；\n2、设计并优化面向视频流场景的长短期记忆机制、事件检测、异常告警与状态跟踪能力，提升实时性、稳定性与准确率；\n3、负责通用/专用视觉模型在垂直场景中的微调、适配与性能优化，包括检测、识别、时序理解、多模态问答等任务；\n4、负责离线长视频分析 Agent能力建设，提升模型在复杂任务中的自主拆解、规划、多步推理、细粒度分析与结果归因能力；\n5、基于 SFT、RL/RLHF、DPO、Agentic RL 等后训练方法，提升大模型在Planning、Reasoning、Function Calling、RAG、数据洞察等方面的能力；\n6、构建视频分析 Agent 的工具使用体系，支持如 crop_video、zoom-in、片段重采样、目标聚焦、证据回溯等能力，形成“观察—推理—行动—验证”闭环；\n7、设计高质量训练数据与评测体系，持续提升长视频复杂任务上的准确率、鲁棒性、可解释性与泛化能力；\n8、与产品、工程、业务团队协作，推动算法方案在真实场景中的落地与迭代。\n计算机、人工智能、模式识别、自动化等相关专业，本科及以上，具备扎实的机器学习/深度学习基础。\n熟悉计算机视觉与视频理解核心方向，具备检测、分割、跟踪、动作识别、时序建模、事件分析等相关经验。\n熟悉 VLM/MLLM/Omni 多模态模型原理及应用，有视频理解、多模态问答、视频 Agent 或具身/交互式智能体经验者优先。\n熟悉大模型后训练方法，包括 SFT、DPO、RL/RLHF 等，对 Agent 能力对齐、任务分解、规划推理有实战经验。\n具备 Agent/tool use/function calling/RAG 相关经验，能够设计基于工具增强的多轮推理流程。\n熟悉长短期记忆、上下文管理、时序信息压缩与检索机制，有长视频理解或流式视频分析经验者优先。\n熟练使用 PyTorch，具备模型训练、微调、部署与性能优化能力；有低延迟推理、流式系统优化经验者优先。\n具备较强的问题抽象与系统设计能力，能够从业务场景出发定义任务、构建数据、设计评测并推动落地。\n优先条件\n有工业质检、巡检、安防、SOP 合规、视频交互等真实场景落地经验。\n有长视频复杂任务分析、视频 CoT/规划推理、视频 Agent、Agentic RL 相关经验。\n有多模态大模型微调、蒸馏、对齐、推理加速或线上部署经验。\n在 CV、MM、NLP、Agent、RL 等方向有高水平论文、开源项目或竞赛成果。\n加分项关键词\n视频理解、Streaming Video、VLM、MLLM、Omni、Agent、Planning、Reasoning、Memory、Tool Use、Function Calling、RAG、SFT、DPO、RLHF、Agentic RL、工业质检、巡检、SOP",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}