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": "达摩院-AI框架开发工程师-计算技术",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "成都 / 北京 / 杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "软件研发"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": 3,
"degree": "- 硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "- 规划 PyTorch、vLLM、SGLang 等主流框架的适配技术路线,设计硬件抽象层(HLA)与上层框架的接口规范\n- 开发适配层核心模块,实现算子调度、内存管理和分布式通信等关键功能\n- 优化框架后端实现,与算子库、运行时等团队协作,系统性提升大模型推理效能\n- 代表团队在开源社区推动关键技术主张,提交优质代码贡献,推动后端适配进入主线代码",
"requirements_text": "- 硕士及以上学历,3 年以上AI框架开发经验,扎实的 C++ /Python开发能力\n- 熟悉 PyTorch/TensorFlow/JAX 中至少一个框架的内部执行机制,了解分布式系统设计基础\n- 有开源项目贡献经验,对PyTorch/vLLM/SGLang 等开源项目有显著贡献者优先\n- 熟悉 vLLM/SGLang/TensorRT-LLM 等推理引擎架构、有 AI Agent 开发经验或 MLSys/OSDI/SOSP/ATC 顶会论文者优先",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"分布式系统",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "有开源项目贡献经验,对PyTorch/vLLM/SGLang 等开源项目有显著贡献者优先;熟悉 vLLM/SGLang/TensorRT-LLM 等推理引擎架构、有 AI Agent 开发经验或 MLSys/OSDI/SOSP/ATC 顶会论文者优先",
"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=100022920011"
}
]
},
"posting": {
"posting_id": "100022920011",
"post_date": "2026-08-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100022920011"
},
"fulltext": "达摩院-AI框架开发工程师-计算技术\n达摩院-AI框架开发工程师-计算技术\n\n基础信息\n工作地点:成都 / 北京 / 杭州 / 上海\n\n职位描述\n- 规划 PyTorch、vLLM、SGLang 等主流框架的适配技术路线,设计硬件抽象层(HLA)与上层框架的接口规范\n- 开发适配层核心模块,实现算子调度、内存管理和分布式通信等关键功能\n- 优化框架后端实现,与算子库、运行时等团队协作,系统性提升大模型推理效能\n- 代表团队在开源社区推动关键技术主张,提交优质代码贡献,推动后端适配进入主线代码\n\n职位要求\n- 硕士及以上学历,3 年以上AI框架开发经验,扎实的 C++ /Python开发能力\n- 熟悉 PyTorch/TensorFlow/JAX 中至少一个框架的内部执行机制,了解分布式系统设计基础\n- 有开源项目贡献经验,对PyTorch/vLLM/SGLang 等开源项目有显著贡献者优先\n- 熟悉 vLLM/SGLang/TensorRT-LLM 等推理引擎架构、有 AI Agent 开发经验或 MLSys/OSDI/SOSP/ATC 顶会论文者优先\n- 规划 PyTorch、vLLM、SGLang 等主流框架的适配技术路线,设计硬件抽象层(HLA)与上层框架的接口规范\n- 开发适配层核心模块,实现算子调度、内存管理和分布式通信等关键功能\n- 优化框架后端实现,与算子库、运行时等团队协作,系统性提升大模型推理效能\n- 代表团队在开源社区推动关键技术主张,提交优质代码贡献,推动后端适配进入主线代码\n- 硕士及以上学历,3 年以上AI框架开发经验,扎实的 C++ /Python开发能力\n- 熟悉 PyTorch/TensorFlow/JAX 中至少一个框架的内部执行机制,了解分布式系统设计基础\n- 有开源项目贡献经验,对PyTorch/vLLM/SGLang 等开源项目有显著贡献者优先\n- 熟悉 vLLM/SGLang/TensorRT-LLM 等推理引擎架构、有 AI Agent 开发经验或 MLSys/OSDI/SOSP/ATC 顶会论文者优先",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}