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": "研究型实习生-阿里妈妈-AIGC算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 2,
"degree": "计算机、数学或统计学相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们是阿里妈妈智能创作与AI应用团队， 长期从事利用CV NLP等多模态和多媒体技术进行内容创作、内容理解的算法工作，团队耕耘技术多年，在电商创意素材生成领域 有广泛的业界影响力，研发出阿里妈妈创意中心、万相实验室等产品以及阿里妈妈智能图片制作（Auto Poster）、阿里妈妈视频生成（AtomoVideo）等技术，研究成果发表在 CVPR、ICCV、AAAI、ACM MM、WWW、ACL 等学术顶会。\n我们诚挚欢迎你加入团队，工作内容为下列之一：\n1. 需要1年Diffusion Models扩散图像生成经验(强相关)。1年图像领域相关经验。\n2. 需要在广告 或者 电商 场景的图像算法应用经验。\n3. 需要在图像生成方向有顶会论文，CVPR，ECCV，NIPS，MM。",
"requirements_text": "1. 计算机、数学或统计学相关专业硕士及以上学历；\n2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础；\n3. 熟悉常用的机器学习算法， 熟练使用tensorflow/Pytorch等深度学习开发平台；\n4. 2年及以上图像理解，图像生成等领域相关经验，熟悉检测、分割、分类等模型与应用场景；\n5. 熟悉掌握StableDiffusion, Controlnet，Dreambooth, Lora, Inpainting，GAN，VAE，多模态等一项或多项相关工作，具有综合使用各类算法实现特定功能的能力；\n6. 具备优秀的分析和解决问题的能力，良好的沟通协作能力；对使用AIGC能力创造新事物有热情；\n7. 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议(CVPR/ECCV/NIPS/MM)或者期刊上发表过论文者更佳；\n8. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳；\n9. 参与过机器学习开源项目并有突出贡献者更佳。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"数据结构",
"数据挖掘",
"解决问题"
],
"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/199903920044?deptCodes="
}
]
},
"posting": {
"posting_id": "199903920044",
"post_date": "2026-03-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903920044?deptCodes="
},
"fulltext": "研究型实习生-阿里妈妈-AIGC算法工程师\n研究型实习生-阿里妈妈-AIGC算法工程师\n\n基础信息\n毕业起止时间要求：2026-10-31 - 2029-09-07\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我们是阿里妈妈智能创作与AI应用团队， 长期从事利用CV NLP等多模态和多媒体技术进行内容创作、内容理解的算法工作，团队耕耘技术多年，在电商创意素材生成领域 有广泛的业界影响力，研发出阿里妈妈创意中心、万相实验室等产品以及阿里妈妈智能图片制作（Auto Poster）、阿里妈妈视频生成（AtomoVideo）等技术，研究成果发表在 CVPR、ICCV、AAAI、ACM MM、WWW、ACL 等学术顶会。\n我们诚挚欢迎你加入团队，工作内容为下列之一：\n1. 需要1年Diffusion Models扩散图像生成经验(强相关)。1年图像领域相关经验。\n2. 需要在广告 或者 电商 场景的图像算法应用经验。\n3. 需要在图像生成方向有顶会论文，CVPR，ECCV，NIPS，MM。\n\n职位要求\n1. 计算机、数学或统计学相关专业硕士及以上学历；\n2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础；\n3. 熟悉常用的机器学习算法， 熟练使用tensorflow/Pytorch等深度学习开发平台；\n4. 2年及以上图像理解，图像生成等领域相关经验，熟悉检测、分割、分类等模型与应用场景；\n5. 熟悉掌握StableDiffusion, Controlnet，Dreambooth, Lora, Inpainting，GAN，VAE，多模态等一项或多项相关工作，具有综合使用各类算法实现特定功能的能力；\n6. 具备优秀的分析和解决问题的能力，良好的沟通协作能力；对使用AIGC能力创造新事物有热情；\n7. 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议(CVPR/ECCV/NIPS/MM)或者期刊上发表过论文者更佳；\n8. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳；\n9. 参与过机器学习开源项目并有突出贡献者更佳。\n\n在招业务\n淘天集团\n我们是阿里妈妈智能创作与AI应用团队， 长期从事利用CV NLP等多模态和多媒体技术进行内容创作、内容理解的算法工作，团队耕耘技术多年，在电商创意素材生成领域 有广泛的业界影响力，研发出阿里妈妈创意中心、万相实验室等产品以及阿里妈妈智能图片制作（Auto Poster）、阿里妈妈视频生成（AtomoVideo）等技术，研究成果发表在 CVPR、ICCV、AAAI、ACM MM、WWW、ACL 等学术顶会。\n我们诚挚欢迎你加入团队，工作内容为下列之一：\n1. 需要1年Diffusion Models扩散图像生成经验(强相关)。1年图像领域相关经验。\n2. 需要在广告 或者 电商 场景的图像算法应用经验。\n3. 需要在图像生成方向有顶会论文，CVPR，ECCV，NIPS，MM。\n1. 计算机、数学或统计学相关专业硕士及以上学历；\n2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础；\n3. 熟悉常用的机器学习算法， 熟练使用tensorflow/Pytorch等深度学习开发平台；\n4. 2年及以上图像理解，图像生成等领域相关经验，熟悉检测、分割、分类等模型与应用场景；\n5. 熟悉掌握StableDiffusion, Controlnet，Dreambooth, Lora, Inpainting，GAN，VAE，多模态等一项或多项相关工作，具有综合使用各类算法实现特定功能的能力；\n6. 具备优秀的分析和解决问题的能力，良好的沟通协作能力；对使用AIGC能力创造新事物有热情；\n7. 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议(CVPR/ECCV/NIPS/MM)或者期刊上发表过论文者更佳；\n8. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳；\n9. 参与过机器学习开源项目并有突出贡献者更佳。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}