{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "阿里控股-AI算法工程师-AI数据资产",
        "job_level": "未披露",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-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": "硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责大模型训练数据资产的质量评估与分析建设，围绕文本、多模态等数据建立清洗、去重、完整性校验、质量分级等能力，提升数据可用性与训练收益。\n2. 负责数据资产标签体系、分类分级体系及质量评估模型建设，支持数据资产的盘点、洞察、管理与复用。\n3. 基于向量检索、语义匹配、聚类分析等技术，建设数据资产的语义索引、检索发现与相似性分析能力。\n4. 跟踪国内外前沿开源数据集、学术数据集及竞品数据建设方向，结合模型能力发展判断外部数据价值，输出数据资产地图与储备建议。\n5. 与训练、评测、工程、平台、情报、领域专家等团队紧密协作，持续优化数据评估算法与资产管理体系，形成“模型反馈 → 数据洞察 → 资产优化 → 能力提升”的正向飞轮。",
        "requirements_text": "1. 计算机、人工智能、数学、统计学等相关专业，硕士及以上学历。\n2. 熟悉机器学习、深度学习及主流大模型技术体系，具备大模型预训练、SFT、RL 等训练阶段的实战经验，深刻理解不同训练阶段对数据分布、质量和多样性的核心诉求。\n3. 熟悉文本/多模态数据质量评估方法，具备重复检测、数据清洗、完整性校验、污染分析等实战经验；熟悉 SFT、RL 训练数据构造流程，了解大模型训练数据的前沿实践。\n4. 熟悉大规模数据分析与可视化方法，具备标签体系设计、数据分类分级、质量建模等经验；熟悉向量检索、Embedding、语义匹配等相关技术，有数据资产检索、语义索引或数据平台建设经验者优先。\n5. 具备较强的行业研究与信息检索能力，能够系统追踪国内外 frontier 数据动态、开源数据集及竞品数据建设方向，并从模型能力维度评估外部数据的战略价值。\n6. 熟练使用 Python，能够独立完成数据处理脚本、评估 Pipeline 及分析工具开发；具备优秀的书面表达与跨团队沟通能力，能够将算法侧反馈准确转化为数据策略，并推动落地执行。\n加分项\n1. 有 Agent、Code、Multimodal 方向的数据构造、评估或训练经验。\n2. 有数据平台、数据治理、知识库、搜索/推荐、语义检索等相关经验。\n3. 对 LLM/AGI 方向有持续关注，具备较强的技术敏感度与学习能力，习惯使用 AI 工具提升数据工作效率者优先。",
        "skills": [AI生成
            "Python",
            "机器学习",
            "深度学习",
            "数据分析",
            "数据治理",
            "数据清洗",
            "模型训练",
            "沟通能力",
            "学习能力",
            "建模",
            "大语言模型"
        ],
        "preferred_qualifications": "熟悉向量检索、Embedding、语义匹配等相关技术，有数据资产检索、语义索引或数据平台建设经验者优先；加分项；3. 对 LLM/AGI 方向有持续关注，具备较强的技术敏感度与学习能力，习惯使用 AI 工具提升数据工作效率者优先",
        "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=100024580001"
            }
        ]
    },
    "posting": {
        "posting_id": "100024580001",
        "post_date": "2026-09-15",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100024580001"
    },
    "fulltext": "阿里控股-AI算法工程师-AI数据资产\n阿里控股-AI算法工程师-AI数据资产\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n1. 负责大模型训练数据资产的质量评估与分析建设，围绕文本、多模态等数据建立清洗、去重、完整性校验、质量分级等能力，提升数据可用性与训练收益。\n2. 负责数据资产标签体系、分类分级体系及质量评估模型建设，支持数据资产的盘点、洞察、管理与复用。\n3. 基于向量检索、语义匹配、聚类分析等技术，建设数据资产的语义索引、检索发现与相似性分析能力。\n4. 跟踪国内外前沿开源数据集、学术数据集及竞品数据建设方向，结合模型能力发展判断外部数据价值，输出数据资产地图与储备建议。\n5. 与训练、评测、工程、平台、情报、领域专家等团队紧密协作，持续优化数据评估算法与资产管理体系，形成“模型反馈 → 数据洞察 → 资产优化 → 能力提升”的正向飞轮。\n\n职位要求\n1. 计算机、人工智能、数学、统计学等相关专业，硕士及以上学历。\n2. 熟悉机器学习、深度学习及主流大模型技术体系，具备大模型预训练、SFT、RL 等训练阶段的实战经验，深刻理解不同训练阶段对数据分布、质量和多样性的核心诉求。\n3. 熟悉文本/多模态数据质量评估方法，具备重复检测、数据清洗、完整性校验、污染分析等实战经验；熟悉 SFT、RL 训练数据构造流程，了解大模型训练数据的前沿实践。\n4. 熟悉大规模数据分析与可视化方法，具备标签体系设计、数据分类分级、质量建模等经验；熟悉向量检索、Embedding、语义匹配等相关技术，有数据资产检索、语义索引或数据平台建设经验者优先。\n5. 具备较强的行业研究与信息检索能力，能够系统追踪国内外 frontier 数据动态、开源数据集及竞品数据建设方向，并从模型能力维度评估外部数据的战略价值。\n6. 熟练使用 Python，能够独立完成数据处理脚本、评估 Pipeline 及分析工具开发；具备优秀的书面表达与跨团队沟通能力，能够将算法侧反馈准确转化为数据策略，并推动落地执行。\n加分项\n1. 有 Agent、Code、Multimodal 方向的数据构造、评估或训练经验。\n2. 有数据平台、数据治理、知识库、搜索/推荐、语义检索等相关经验。\n3. 对 LLM/AGI 方向有持续关注，具备较强的技术敏感度与学习能力，习惯使用 AI 工具提升数据工作效率者优先。\n1. 负责大模型训练数据资产的质量评估与分析建设，围绕文本、多模态等数据建立清洗、去重、完整性校验、质量分级等能力，提升数据可用性与训练收益。\n2. 负责数据资产标签体系、分类分级体系及质量评估模型建设，支持数据资产的盘点、洞察、管理与复用。\n3. 基于向量检索、语义匹配、聚类分析等技术，建设数据资产的语义索引、检索发现与相似性分析能力。\n4. 跟踪国内外前沿开源数据集、学术数据集及竞品数据建设方向，结合模型能力发展判断外部数据价值，输出数据资产地图与储备建议。\n5. 与训练、评测、工程、平台、情报、领域专家等团队紧密协作，持续优化数据评估算法与资产管理体系，形成“模型反馈 → 数据洞察 → 资产优化 → 能力提升”的正向飞轮。\n1. 计算机、人工智能、数学、统计学等相关专业，硕士及以上学历。\n2. 熟悉机器学习、深度学习及主流大模型技术体系，具备大模型预训练、SFT、RL 等训练阶段的实战经验，深刻理解不同训练阶段对数据分布、质量和多样性的核心诉求。\n3. 熟悉文本/多模态数据质量评估方法，具备重复检测、数据清洗、完整性校验、污染分析等实战经验；熟悉 SFT、RL 训练数据构造流程，了解大模型训练数据的前沿实践。\n4. 熟悉大规模数据分析与可视化方法，具备标签体系设计、数据分类分级、质量建模等经验；熟悉向量检索、Embedding、语义匹配等相关技术，有数据资产检索、语义索引或数据平台建设经验者优先。\n5. 具备较强的行业研究与信息检索能力，能够系统追踪国内外 frontier 数据动态、开源数据集及竞品数据建设方向，并从模型能力维度评估外部数据的战略价值。\n6. 熟练使用 Python，能够独立完成数据处理脚本、评估 Pipeline 及分析工具开发；具备优秀的书面表达与跨团队沟通能力，能够将算法侧反馈准确转化为数据策略，并推动落地执行。\n加分项\n1. 有 Agent、Code、Multimodal 方向的数据构造、评估或训练经验。\n2. 有数据平台、数据治理、知识库、搜索/推荐、语义检索等相关经验。\n3. 对 LLM/AGI 方向有持续关注，具备较强的技术敏感度与学习能力，习惯使用 AI 工具提升数据工作效率者优先。",
    "standard_classification": {
        "std_category_code": "T036",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}