主分类：自然语言处理算法研发
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 - 深度融合大模型能力的NL2SQL小模型工具",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "北京 / 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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "以语言大模型为代表的AI如火如荼，但在NL2SQL这个数据库垂直技术领域， 纯粹依赖大模型存在推理速度慢，生成准确度不稳定等不足。 该研发项目围绕在大模型结合小模型，用小模型在专域上加强大模型的不足作为突破点，将大模型的能力延展到以SQL语法为引导下开发的小模型工具。目标是让NL2SQL能力成为大模型在数据库查询领域的一个专用工具， 做到快速， 准确，高效。",
"requirements_text": "解决如下挑战（发表论文和代码实现）：\n1、多轮问答，在询问的过程中往往存在多轮下钻问询的过程，以厘清模糊或者二义信息，这是语言大模型的强项。 如何利用该强项， 把自然语言的问询变成一个标准规范的语言描述， 以便于使用告诉准确的nl2sql生成工具；\n2、SQL中可能涉及大量领域自定义函数(例如时空数据库)，不同函数的定义和参数区别很大，且形式复杂，需要准确识别并在上下文中调用；\n3、针对提问中包含的隐含信息，common sense，领域推理逻辑，进行高效准确的转换， 以完成复杂的推理过程；\n4、研发仅通过快速配置， 就能生成高准确度SQL语句， 并适配不同数据库引擎SQL语法方言（例如adg-pg与mysql语法有区别）。",
"skills": [AI生成
"SQL",
"MySQL",
"数据库",
"大语言模型"
],
"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/199903820007?deptCodes="
}
]
},
"posting": {
"posting_id": "199903820007",
"post_date": "2026-03-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903820007?deptCodes="
},
"fulltext": "研究型实习生 - 深度融合大模型能力的NL2SQL小模型工具\n研究型实习生 - 深度融合大模型能力的NL2SQL小模型工具\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：北京 / 杭州\n\n职位描述\n以语言大模型为代表的AI如火如荼，但在NL2SQL这个数据库垂直技术领域， 纯粹依赖大模型存在推理速度慢，生成准确度不稳定等不足。 该研发项目围绕在大模型结合小模型，用小模型在专域上加强大模型的不足作为突破点，将大模型的能力延展到以SQL语法为引导下开发的小模型工具。目标是让NL2SQL能力成为大模型在数据库查询领域的一个专用工具， 做到快速， 准确，高效。\n\n职位要求\n解决如下挑战（发表论文和代码实现）：\n1、多轮问答，在询问的过程中往往存在多轮下钻问询的过程，以厘清模糊或者二义信息，这是语言大模型的强项。 如何利用该强项， 把自然语言的问询变成一个标准规范的语言描述， 以便于使用告诉准确的nl2sql生成工具；\n2、SQL中可能涉及大量领域自定义函数(例如时空数据库)，不同函数的定义和参数区别很大，且形式复杂，需要准确识别并在上下文中调用；\n3、针对提问中包含的隐含信息，common sense，领域推理逻辑，进行高效准确的转换， 以完成复杂的推理过程；\n4、研发仅通过快速配置， 就能生成高准确度SQL语句， 并适配不同数据库引擎SQL语法方言（例如adg-pg与mysql语法有区别）。\n\n在招业务\n阿里云\n以语言大模型为代表的AI如火如荼，但在NL2SQL这个数据库垂直技术领域， 纯粹依赖大模型存在推理速度慢，生成准确度不稳定等不足。 该研发项目围绕在大模型结合小模型，用小模型在专域上加强大模型的不足作为突破点，将大模型的能力延展到以SQL语法为引导下开发的小模型工具。目标是让NL2SQL能力成为大模型在数据库查询领域的一个专用工具， 做到快速， 准确，高效。\n解决如下挑战（发表论文和代码实现）：\n1、多轮问答，在询问的过程中往往存在多轮下钻问询的过程，以厘清模糊或者二义信息，这是语言大模型的强项。 如何利用该强项， 把自然语言的问询变成一个标准规范的语言描述， 以便于使用告诉准确的nl2sql生成工具；\n2、SQL中可能涉及大量领域自定义函数(例如时空数据库)，不同函数的定义和参数区别很大，且形式复杂，需要准确识别并在上下文中调用；\n3、针对提问中包含的隐含信息，common sense，领域推理逻辑，进行高效准确的转换， 以完成复杂的推理过程；\n4、研发仅通过快速配置， 就能生成高准确度SQL语句， 并适配不同数据库引擎SQL语法方言（例如adg-pg与mysql语法有区别）。",
"standard_classification": {
"std_category_code": "T036",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}