主分类：数据工程与数据平台研发
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": "数据技术及产品部-AI数据工程师-LLM/VL方向",
"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": "产品"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": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、参与集团级 AI 数据引擎：负责文本、图像、视频、音频等全模态数据的采集、清洗、处理、治理与资产化管理，打造可复用、可观测、可解释的 EB 级数据体系，支撑大模型预训练与后训练的高质量数据供给；\n2、多模态数据智能化处理：主导文本、图文、视频、文档、语音等模态的自动理解、标签体系构建、语义特征抽取、质量建模与自动化治理； 设计并训练分类、识别、caption、质量打分、预测等模型；\n3、AI Native 数据 Pipeline 建设：使用 LLM + VLM + Agent 框架构建智能数据 Pipeline，实现分渠道采集、过滤、去重、质量诊断、标注/改写生成、调度编排与异常告警等环节的自动化，显著降低人力成本；\n4、稀缺与高价值数据挖掘：面向网页/PDF/百科/私域/query 等文本场景，以及 real world(巡店/巡检/巡仓)、医疗、教育、OCR、GUI/多模态轨迹等视觉场景，通过\"真实采集 + 人工标注 + 模型蒸馏 + 数据合成\"四源策略，产出稀缺、高价值、差异化的数据集；\n5、数据 & 模型闭环迭代：基于评测反馈的短板，设计对应的专项数据集与合成方案，在训练过程中构建可观测指标，量化数据对模型能力提升的贡献，动态更新数据集，实现\"数据—模型—评测—数据\"的循环优化；\n6、算法与工程一体化协作：与模型团队协作，参与训练数据构造、数据反哺、短板挖掘与评测闭环建设，通过数据驱动模型能力提升，成为 AI 模型训练的数据核心驱动力。",
"requirements_text": "1、AI + 数据双栈能力：精通 Python，熟悉 SQL/Shell；理解 LLM、音频/视频模型、多模态模型等基础原理；具有大模型数据构造、清洗、合成或质量评估相关实践经验；\n2、多模态数据能力：熟悉文本，或图像/视频/音频中任一模态的特征工程、理解/分类/识别算法或质量建模方法；具备深度学习模型训练实践(PyTorch/TensorFlow)；\n3、数据工程基础扎实：熟悉主流大数据平台(Spark/Flink/MaxCompute/Hadoop/RAY)；具备 ETL、数据建模、数据 Pipeline 或数据仓库建设经验；了解大规模文本/图像/视频数据处理者更佳；\n4、AI Native 工作流思维：熟悉 Agent、LLM 工具链，对如何将 LLM 融入数据生产、数据分析、数据治理流程有实践经验或强烈兴趣；\n5、工程落地能力强：具备良好的工程实现、问题拆解、项目协同能力，能推动数据与模型闭环高效落地。\n加分项\n1、在 ACL、EMNLP、NeurIPS、ICLR、AAAI、CVPR、ICCV、ECCV、ACM MM、ICASSP、Interspeech 等顶会有论文，或参与过 LLM、VL、语音、多模态等方向竞赛、开源贡献者优先；\n2、有 LLM/VLM/多模态大模型预训练或后训练数据的实战经验；\n3、有数据合成(文本合成、图文对合成、渲染/扩散生成)或多模态轨迹数据(GUI/搜索/文件操作)构造经验者优先；\n4、熟悉主流评测基准(如 MMLU、MMBench、MM-BrowseComp 等)，对数据反哺模型能力提升有实战经验者优先；\n5、有小模型/算子训练与加速优化实践经验者优先。",
"skills": [AI生成
"Python",
"SQL",
"Spark",
"Hadoop",
"Flink",
"PyTorch",
"TensorFlow",
"深度学习",
"数据分析",
"数据治理",
"模型训练",
"建模",
"渲染",
"大语言模型"
],
"preferred_qualifications": "加分项；1、在 ACL、EMNLP、NeurIPS、ICLR、AAAI、CVPR、ICCV、ECCV、ACM MM、ICASSP、Interspeech 等顶会有论文，或参与过 LLM、VL、语音、多模态等方向竞赛、开源贡献者优先；3、有数据合成(文本合成、图文对合成、渲染/扩散生成)或多模态轨迹数据(GUI/搜索/文件操作)构造经验者优先；4、熟悉主流评测基准(如 MMLU、MMBench、MM-BrowseComp 等)，对数据反哺模型能力提升有实战经验者优先；5、有小模型/算子训练与加速优化实践经验者优先",
"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=100028500001"
}
]
},
"posting": {
"posting_id": "100028500001",
"post_date": "2026-08-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100028500001"
},
"fulltext": "数据技术及产品部-AI数据工程师-LLM/VL方向\n数据技术及产品部-AI数据工程师-LLM/VL方向\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n1、参与集团级 AI 数据引擎：负责文本、图像、视频、音频等全模态数据的采集、清洗、处理、治理与资产化管理，打造可复用、可观测、可解释的 EB 级数据体系，支撑大模型预训练与后训练的高质量数据供给；\n2、多模态数据智能化处理：主导文本、图文、视频、文档、语音等模态的自动理解、标签体系构建、语义特征抽取、质量建模与自动化治理； 设计并训练分类、识别、caption、质量打分、预测等模型；\n3、AI Native 数据 Pipeline 建设：使用 LLM + VLM + Agent 框架构建智能数据 Pipeline，实现分渠道采集、过滤、去重、质量诊断、标注/改写生成、调度编排与异常告警等环节的自动化，显著降低人力成本；\n4、稀缺与高价值数据挖掘：面向网页/PDF/百科/私域/query 等文本场景，以及 real world(巡店/巡检/巡仓)、医疗、教育、OCR、GUI/多模态轨迹等视觉场景，通过\"真实采集 + 人工标注 + 模型蒸馏 + 数据合成\"四源策略，产出稀缺、高价值、差异化的数据集；\n5、数据 & 模型闭环迭代：基于评测反馈的短板，设计对应的专项数据集与合成方案，在训练过程中构建可观测指标，量化数据对模型能力提升的贡献，动态更新数据集，实现\"数据—模型—评测—数据\"的循环优化；\n6、算法与工程一体化协作：与模型团队协作，参与训练数据构造、数据反哺、短板挖掘与评测闭环建设，通过数据驱动模型能力提升，成为 AI 模型训练的数据核心驱动力。\n\n职位要求\n1、AI + 数据双栈能力：精通 Python，熟悉 SQL/Shell；理解 LLM、音频/视频模型、多模态模型等基础原理；具有大模型数据构造、清洗、合成或质量评估相关实践经验；\n2、多模态数据能力：熟悉文本，或图像/视频/音频中任一模态的特征工程、理解/分类/识别算法或质量建模方法；具备深度学习模型训练实践(PyTorch/TensorFlow)；\n3、数据工程基础扎实：熟悉主流大数据平台(Spark/Flink/MaxCompute/Hadoop/RAY)；具备 ETL、数据建模、数据 Pipeline 或数据仓库建设经验；了解大规模文本/图像/视频数据处理者更佳；\n4、AI Native 工作流思维：熟悉 Agent、LLM 工具链，对如何将 LLM 融入数据生产、数据分析、数据治理流程有实践经验或强烈兴趣；\n5、工程落地能力强：具备良好的工程实现、问题拆解、项目协同能力，能推动数据与模型闭环高效落地。\n加分项\n1、在 ACL、EMNLP、NeurIPS、ICLR、AAAI、CVPR、ICCV、ECCV、ACM MM、ICASSP、Interspeech 等顶会有论文，或参与过 LLM、VL、语音、多模态等方向竞赛、开源贡献者优先；\n2、有 LLM/VLM/多模态大模型预训练或后训练数据的实战经验；\n3、有数据合成(文本合成、图文对合成、渲染/扩散生成)或多模态轨迹数据(GUI/搜索/文件操作)构造经验者优先；\n4、熟悉主流评测基准(如 MMLU、MMBench、MM-BrowseComp 等)，对数据反哺模型能力提升有实战经验者优先；\n5、有小模型/算子训练与加速优化实践经验者优先。\n1、参与集团级 AI 数据引擎：负责文本、图像、视频、音频等全模态数据的采集、清洗、处理、治理与资产化管理，打造可复用、可观测、可解释的 EB 级数据体系，支撑大模型预训练与后训练的高质量数据供给；\n2、多模态数据智能化处理：主导文本、图文、视频、文档、语音等模态的自动理解、标签体系构建、语义特征抽取、质量建模与自动化治理； 设计并训练分类、识别、caption、质量打分、预测等模型；\n3、AI Native 数据 Pipeline 建设：使用 LLM + VLM + Agent 框架构建智能数据 Pipeline，实现分渠道采集、过滤、去重、质量诊断、标注/改写生成、调度编排与异常告警等环节的自动化，显著降低人力成本；\n4、稀缺与高价值数据挖掘：面向网页/PDF/百科/私域/query 等文本场景，以及 real world(巡店/巡检/巡仓)、医疗、教育、OCR、GUI/多模态轨迹等视觉场景，通过\"真实采集 + 人工标注 + 模型蒸馏 + 数据合成\"四源策略，产出稀缺、高价值、差异化的数据集；\n5、数据 & 模型闭环迭代：基于评测反馈的短板，设计对应的专项数据集与合成方案，在训练过程中构建可观测指标，量化数据对模型能力提升的贡献，动态更新数据集，实现\"数据—模型—评测—数据\"的循环优化；\n6、算法与工程一体化协作：与模型团队协作，参与训练数据构造、数据反哺、短板挖掘与评测闭环建设，通过数据驱动模型能力提升，成为 AI 模型训练的数据核心驱动力。\n1、AI + 数据双栈能力：精通 Python，熟悉 SQL/Shell；理解 LLM、音频/视频模型、多模态模型等基础原理；具有大模型数据构造、清洗、合成或质量评估相关实践经验；\n2、多模态数据能力：熟悉文本，或图像/视频/音频中任一模态的特征工程、理解/分类/识别算法或质量建模方法；具备深度学习模型训练实践(PyTorch/TensorFlow)；\n3、数据工程基础扎实：熟悉主流大数据平台(Spark/Flink/MaxCompute/Hadoop/RAY)；具备 ETL、数据建模、数据 Pipeline 或数据仓库建设经验；了解大规模文本/图像/视频数据处理者更佳；\n4、AI Native 工作流思维：熟悉 Agent、LLM 工具链，对如何将 LLM 融入数据生产、数据分析、数据治理流程有实践经验或强烈兴趣；\n5、工程落地能力强：具备良好的工程实现、问题拆解、项目协同能力，能推动数据与模型闭环高效落地。\n加分项\n1、在 ACL、EMNLP、NeurIPS、ICLR、AAAI、CVPR、ICCV、ECCV、ACM MM、ICASSP、Interspeech 等顶会有论文，或参与过 LLM、VL、语音、多模态等方向竞赛、开源贡献者优先；\n2、有 LLM/VLM/多模态大模型预训练或后训练数据的实战经验；\n3、有数据合成(文本合成、图文对合成、渲染/扩散生成)或多模态轨迹数据(GUI/搜索/文件操作)构造经验者优先；\n4、熟悉主流评测基准(如 MMLU、MMBench、MM-BrowseComp 等)，对数据反哺模型能力提升有实战经验者优先；\n5、有小模型/算子训练与加速优化实践经验者优先。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}