主分类：AI训练推理与计算优化
辅助：通用算法研发（其他方向）（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": "研究型实习生 - 基于多模态的核心数据链路研究",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机或相关方向博士、硕士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在寻找对人工智能、多模态数据处理、系统性能优化感兴趣的实习生，参与一个面向多模态数据获取、解析、压缩与高效传输的研究课题。该课题聚焦于提升多模态系统在复杂环境下的实时性表现与资源利用率，具有广泛的应用前景（如智能运维、RAG检索增强生成、边缘计算等）。你将参与的工作包括但不限于：\n1. 多模态数据采集与预处理：从网页、API、数据库、摄像头、麦克风等来源获取文本、图像、音频和视频数据；\n2. 多模态数据解析与特征提取：使用OCR、ASR、NLP、CV等技术解析不同模态内容；\n3. 模型轻量化与加速：探索基于Transformer、CNN、LSTM等模型的压缩、蒸馏、量化方法；\n4. 系统级优化与部署：设计低延迟、低资源占用的数据处理流程，支持在边缘设备上运行；\n5. 性能评估与实验分析：构建测试集，评估系统的吞吐量、响应时间、准确率等关键指标；\n6. 撰写技术文档与研究报告：整理实验过程、结果与改进建议。\n技术要求（优先但不强制）：\n1. 熟悉Python编程语言，有良好的代码规范；\n2. 了解基本的NLP、CV或语音识别技术；\n3. 掌握至少一种深度学习框架（PyTorch/TensorFlow）；\n4. 熟悉Linux系统及常用命令行工具。\n有以下经验者优先考虑：\n1. 多模态任务处理经验（如CLIP、Flamingo等）；\n2. 模型压缩与部署经验（如TensorRT、ONNX、OpenVINO、TVM等）；\n3. 使用过音视频处理工具（如FFmpeg、OpenCV、Whisper、YOLO等）；\n4. 有一定系统编程能力（C/C++、CUDA、FPGA基础）。",
"requirements_text": "1.计算机或相关方向博士、硕士在读；\n2.在数据库、人工智能、系统、安全等领域有顶会论文发表经验；\n3.有系统研发能力，并善于与团队交流合作；\n4.富有创造力，有面向落地场景解决实际问题的意愿。",
"skills": [AI生成
"数据库"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903700016?deptCodes="
}
]
},
"posting": {
"posting_id": "199903700016",
"post_date": "2026-03-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903700016?deptCodes="
},
"fulltext": "研究型实习生 - 基于多模态的核心数据链路研究\n研究型实习生 - 基于多模态的核心数据链路研究\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：杭州\n\n职位描述\n我们正在寻找对人工智能、多模态数据处理、系统性能优化感兴趣的实习生，参与一个面向多模态数据获取、解析、压缩与高效传输的研究课题。该课题聚焦于提升多模态系统在复杂环境下的实时性表现与资源利用率，具有广泛的应用前景（如智能运维、RAG检索增强生成、边缘计算等）。你将参与的工作包括但不限于：\n1. 多模态数据采集与预处理：从网页、API、数据库、摄像头、麦克风等来源获取文本、图像、音频和视频数据；\n2. 多模态数据解析与特征提取：使用OCR、ASR、NLP、CV等技术解析不同模态内容；\n3. 模型轻量化与加速：探索基于Transformer、CNN、LSTM等模型的压缩、蒸馏、量化方法；\n4. 系统级优化与部署：设计低延迟、低资源占用的数据处理流程，支持在边缘设备上运行；\n5. 性能评估与实验分析：构建测试集，评估系统的吞吐量、响应时间、准确率等关键指标；\n6. 撰写技术文档与研究报告：整理实验过程、结果与改进建议。\n技术要求（优先但不强制）：\n1. 熟悉Python编程语言，有良好的代码规范；\n2. 了解基本的NLP、CV或语音识别技术；\n3. 掌握至少一种深度学习框架（PyTorch/TensorFlow）；\n4. 熟悉Linux系统及常用命令行工具。\n有以下经验者优先考虑：\n1. 多模态任务处理经验（如CLIP、Flamingo等）；\n2. 模型压缩与部署经验（如TensorRT、ONNX、OpenVINO、TVM等）；\n3. 使用过音视频处理工具（如FFmpeg、OpenCV、Whisper、YOLO等）；\n4. 有一定系统编程能力（C/C++、CUDA、FPGA基础）。\n\n职位要求\n1.计算机或相关方向博士、硕士在读；\n2.在数据库、人工智能、系统、安全等领域有顶会论文发表经验；\n3.有系统研发能力，并善于与团队交流合作；\n4.富有创造力，有面向落地场景解决实际问题的意愿。\n\n在招业务\n阿里云\n我们正在寻找对人工智能、多模态数据处理、系统性能优化感兴趣的实习生，参与一个面向多模态数据获取、解析、压缩与高效传输的研究课题。该课题聚焦于提升多模态系统在复杂环境下的实时性表现与资源利用率，具有广泛的应用前景（如智能运维、RAG检索增强生成、边缘计算等）。你将参与的工作包括但不限于：\n1. 多模态数据采集与预处理：从网页、API、数据库、摄像头、麦克风等来源获取文本、图像、音频和视频数据；\n2. 多模态数据解析与特征提取：使用OCR、ASR、NLP、CV等技术解析不同模态内容；\n3. 模型轻量化与加速：探索基于Transformer、CNN、LSTM等模型的压缩、蒸馏、量化方法；\n4. 系统级优化与部署：设计低延迟、低资源占用的数据处理流程，支持在边缘设备上运行；\n5. 性能评估与实验分析：构建测试集，评估系统的吞吐量、响应时间、准确率等关键指标；\n6. 撰写技术文档与研究报告：整理实验过程、结果与改进建议。\n技术要求（优先但不强制）：\n1. 熟悉Python编程语言，有良好的代码规范；\n2. 了解基本的NLP、CV或语音识别技术；\n3. 掌握至少一种深度学习框架（PyTorch/TensorFlow）；\n4. 熟悉Linux系统及常用命令行工具。\n有以下经验者优先考虑：\n1. 多模态任务处理经验（如CLIP、Flamingo等）；\n2. 模型压缩与部署经验（如TensorRT、ONNX、OpenVINO、TVM等）；\n3. 使用过音视频处理工具（如FFmpeg、OpenCV、Whisper、YOLO等）；\n4. 有一定系统编程能力（C/C++、CUDA、FPGA基础）。\n1.计算机或相关方向博士、硕士在读；\n2.在数据库、人工智能、系统、安全等领域有顶会论文发表经验；\n3.有系统研发能力，并善于与团队交流合作；\n4.富有创造力，有面向落地场景解决实际问题的意愿。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T033"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}