主分类：大模型与生成式算法研发
辅助：计算机视觉与图像感知算法研发（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": "Token Foundry-AI智能手机全栈算法工程师-Memory / Agent / 多模态方向",
"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 / 上海",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "通义",
"company_industry": "人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "通义提供人工智能模型及文档阅读等AI应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 1,
"degree": "硕士或博士学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在建设面向下一代AI智能手机的核心算法团队。团队重点关注大模型在智能终端上的理解、推理、感知与任务执行能力，研究方向包括个人记忆（Memory）、智能体（Agent）、端侧多模态感知、端侧模型及端云协同等。\n你将参与从前沿研究、数据构建、模型训练，到系统实现、评测验证和产品交付的完整研发过程，探索下一代AI智能手机的核心能力。我们希望你兼具扎实的算法能力和优秀的工程能力，具备AI手机或智能终端研发经验，能够将前沿算法转化为稳定、高效、可规模化交付的产品能力，并与ToB建设团队共同推动技术落地。\n岗位职责\n1. 参与AI手机个人记忆与个性化智能的算法及系统研发，重点提升个人信息的理解、组织、检索和更新能力，推动Memory与Agent、个人搜索等能力结合。\n2. 参与端侧多模态感知模型的研发与优化，提升手机对图像、语音、视频、文本及设备上下文的理解能力，并在效果、延迟、内存和功耗之间取得平衡。\n3. 参与Agent核心算法及端云协同能力建设，持续提升模型的任务规划、工具使用、记忆调用和复杂任务执行能力。\n4. 参与算法的端到端工程实现，建设数据、训练、推理和评测关键链路，解决模型效果与系统性能问题，推动算法从研究原型走向产品级交付。\n5. 与产品、工程及ToB建设团队协作，将业务需求转化为明确的算法问题和评测目标，推动方案验证、集成交付和持续迭代。",
"requirements_text": "任职要求\n1. 计算机、人工智能等相关专业，硕士或博士学历。\n2. 具备1年以上大模型或智能终端算法研发经验，具有AI手机或智能终端算法工程经验。\n3. 在以下至少一个方向具备深入积累：\n○ 个人记忆、Personal RAG、个人搜索或用户建模；\n○ Agent、任务规划、工具使用或Agent后训练；\n○ 端侧视觉、语音、视频理解或多模态感知；\n○ 端侧模型、模型压缩、推理加速或端云协同。\n4. 具备扎实的机器学习和深度学习基础，深入理解Transformer、大语言模型和多模态模型，并具有模型训练或后训练实践经验。\n5. 具备端侧模型研发经验，熟悉模型压缩和推理优化方法，能够针对移动设备约束优化模型效果、延迟、内存和功耗。\n6. 熟悉主流模型训练框架及至少一种端侧或服务端推理技术栈，具备模型训练、部署和评测的实际经验。\n7. 具备较强的技术判断力和Owner意识，能够解决开放性问题，并持续推动结果落地。\n加分项\n1. 主导/参与过已经规模化落地的AI手机、个人智能、Memory、Agent或端侧多模态项目，并对核心业务指标或用户体验产生可量化的提升。\n2. 具备端云协同算法架构经验，能够根据任务复杂度、设备资源、网络状态、隐私要求和服务成本进行模型路由及系统优化。\n3. 具备优秀的沟通表达和跨团队协作能力，能够面向算法、工程、产品、解决方案及客户团队，清晰说明技术原理、方案取舍、评测结果、能力边界和业务价值。\n4. 具备ToB业务、企业级AI、客户项目或联合交付经验，能够参与需求澄清、方案设计、技术评审、指标定义、交付验收和问题复盘。\n5. 具备大规模向量检索、知识图谱、长上下文、持续学习、模型服务或分布式训练推理经验。\n6. 在Apple、Google、国内头部手机厂商、知名大模型团队、研究机构或相关智能终端团队有工作经历。\n7. 在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV、ECCV、AAAI等高水平会议或期刊发表过相关论文，或参与过有影响力的开源项目。",
"skills": [AI生成
"机器学习",
"深度学习",
"知识图谱",
"模型训练",
"团队协作",
"沟通表达",
"建模",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100034360001"
}
]
},
"posting": {
"posting_id": "100034360001",
"post_date": "2026-09-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100034360001"
},
"fulltext": "Token Foundry-AI智能手机全栈算法工程师-Memory / Agent / 多模态方向\nToken Foundry-AI智能手机全栈算法工程师-Memory / Agent / 多模态方向\n\n基础信息\n工作地点：北京 / 杭州 / 上海\n\n职位描述\n我们正在建设面向下一代AI智能手机的核心算法团队。团队重点关注大模型在智能终端上的理解、推理、感知与任务执行能力，研究方向包括个人记忆（Memory）、智能体（Agent）、端侧多模态感知、端侧模型及端云协同等。\n你将参与从前沿研究、数据构建、模型训练，到系统实现、评测验证和产品交付的完整研发过程，探索下一代AI智能手机的核心能力。我们希望你兼具扎实的算法能力和优秀的工程能力，具备AI手机或智能终端研发经验，能够将前沿算法转化为稳定、高效、可规模化交付的产品能力，并与ToB建设团队共同推动技术落地。\n岗位职责\n1. 参与AI手机个人记忆与个性化智能的算法及系统研发，重点提升个人信息的理解、组织、检索和更新能力，推动Memory与Agent、个人搜索等能力结合。\n2. 参与端侧多模态感知模型的研发与优化，提升手机对图像、语音、视频、文本及设备上下文的理解能力，并在效果、延迟、内存和功耗之间取得平衡。\n3. 参与Agent核心算法及端云协同能力建设，持续提升模型的任务规划、工具使用、记忆调用和复杂任务执行能力。\n4. 参与算法的端到端工程实现，建设数据、训练、推理和评测关键链路，解决模型效果与系统性能问题，推动算法从研究原型走向产品级交付。\n5. 与产品、工程及ToB建设团队协作，将业务需求转化为明确的算法问题和评测目标，推动方案验证、集成交付和持续迭代。\n\n职位要求\n任职要求\n1. 计算机、人工智能等相关专业，硕士或博士学历。\n2. 具备1年以上大模型或智能终端算法研发经验，具有AI手机或智能终端算法工程经验。\n3. 在以下至少一个方向具备深入积累：\n○ 个人记忆、Personal RAG、个人搜索或用户建模；\n○ Agent、任务规划、工具使用或Agent后训练；\n○ 端侧视觉、语音、视频理解或多模态感知；\n○ 端侧模型、模型压缩、推理加速或端云协同。\n4. 具备扎实的机器学习和深度学习基础，深入理解Transformer、大语言模型和多模态模型，并具有模型训练或后训练实践经验。\n5. 具备端侧模型研发经验，熟悉模型压缩和推理优化方法，能够针对移动设备约束优化模型效果、延迟、内存和功耗。\n6. 熟悉主流模型训练框架及至少一种端侧或服务端推理技术栈，具备模型训练、部署和评测的实际经验。\n7. 具备较强的技术判断力和Owner意识，能够解决开放性问题，并持续推动结果落地。\n加分项\n1. 主导/参与过已经规模化落地的AI手机、个人智能、Memory、Agent或端侧多模态项目，并对核心业务指标或用户体验产生可量化的提升。\n2. 具备端云协同算法架构经验，能够根据任务复杂度、设备资源、网络状态、隐私要求和服务成本进行模型路由及系统优化。\n3. 具备优秀的沟通表达和跨团队协作能力，能够面向算法、工程、产品、解决方案及客户团队，清晰说明技术原理、方案取舍、评测结果、能力边界和业务价值。\n4. 具备ToB业务、企业级AI、客户项目或联合交付经验，能够参与需求澄清、方案设计、技术评审、指标定义、交付验收和问题复盘。\n5. 具备大规模向量检索、知识图谱、长上下文、持续学习、模型服务或分布式训练推理经验。\n6. 在Apple、Google、国内头部手机厂商、知名大模型团队、研究机构或相关智能终端团队有工作经历。\n7. 在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV、ECCV、AAAI等高水平会议或期刊发表过相关论文，或参与过有影响力的开源项目。\n我们正在建设面向下一代AI智能手机的核心算法团队。团队重点关注大模型在智能终端上的理解、推理、感知与任务执行能力，研究方向包括个人记忆（Memory）、智能体（Agent）、端侧多模态感知、端侧模型及端云协同等。\n你将参与从前沿研究、数据构建、模型训练，到系统实现、评测验证和产品交付的完整研发过程，探索下一代AI智能手机的核心能力。我们希望你兼具扎实的算法能力和优秀的工程能力，具备AI手机或智能终端研发经验，能够将前沿算法转化为稳定、高效、可规模化交付的产品能力，并与ToB建设团队共同推动技术落地。\n岗位职责\n1. 参与AI手机个人记忆与个性化智能的算法及系统研发，重点提升个人信息的理解、组织、检索和更新能力，推动Memory与Agent、个人搜索等能力结合。\n2. 参与端侧多模态感知模型的研发与优化，提升手机对图像、语音、视频、文本及设备上下文的理解能力，并在效果、延迟、内存和功耗之间取得平衡。\n3. 参与Agent核心算法及端云协同能力建设，持续提升模型的任务规划、工具使用、记忆调用和复杂任务执行能力。\n4. 参与算法的端到端工程实现，建设数据、训练、推理和评测关键链路，解决模型效果与系统性能问题，推动算法从研究原型走向产品级交付。\n5. 与产品、工程及ToB建设团队协作，将业务需求转化为明确的算法问题和评测目标，推动方案验证、集成交付和持续迭代。\n任职要求\n1. 计算机、人工智能等相关专业，硕士或博士学历。\n2. 具备1年以上大模型或智能终端算法研发经验，具有AI手机或智能终端算法工程经验。\n3. 在以下至少一个方向具备深入积累：\n○ 个人记忆、Personal RAG、个人搜索或用户建模；\n○ Agent、任务规划、工具使用或Agent后训练；\n○ 端侧视觉、语音、视频理解或多模态感知；\n○ 端侧模型、模型压缩、推理加速或端云协同。\n4. 具备扎实的机器学习和深度学习基础，深入理解Transformer、大语言模型和多模态模型，并具有模型训练或后训练实践经验。\n5. 具备端侧模型研发经验，熟悉模型压缩和推理优化方法，能够针对移动设备约束优化模型效果、延迟、内存和功耗。\n6. 熟悉主流模型训练框架及至少一种端侧或服务端推理技术栈，具备模型训练、部署和评测的实际经验。\n7. 具备较强的技术判断力和Owner意识，能够解决开放性问题，并持续推动结果落地。\n加分项\n1. 主导/参与过已经规模化落地的AI手机、个人智能、Memory、Agent或端侧多模态项目，并对核心业务指标或用户体验产生可量化的提升。\n2. 具备端云协同算法架构经验，能够根据任务复杂度、设备资源、网络状态、隐私要求和服务成本进行模型路由及系统优化。\n3. 具备优秀的沟通表达和跨团队协作能力，能够面向算法、工程、产品、解决方案及客户团队，清晰说明技术原理、方案取舍、评测结果、能力边界和业务价值。\n4. 具备ToB业务、企业级AI、客户项目或联合交付经验，能够参与需求澄清、方案设计、技术评审、指标定义、交付验收和问题复盘。\n5. 具备大规模向量检索、知识图谱、长上下文、持续学习、模型服务或分布式训练推理经验。\n6. 在Apple、Google、国内头部手机厂商、知名大模型团队、研究机构或相关智能终端团队有工作经历。\n7. 在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV、ECCV、AAAI等高水平会议或期刊发表过相关论文，或参与过有影响力的开源项目。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}