主分类：大模型与生成式算法研发
辅助：Agent系统开发（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-1688-多模态强化学习算法工程师",
"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": "",
"degree": "计算机、人工智能或数学相关专业博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责提升电商B2B场景下，多模态大模型对用户超长个性化上下文建模能力。\n2. 负责基于强化学习提升大模型多步骤工具调用能力，实现亿人亿面用户仿真能力。\n3. 构建大模型的角色扮演能力，构建高保真用户模拟器及评估体系，提升Agent训练效率。\n4. 负责LLM的前沿技术探索，沉淀可复用的垂域Agent体系化构建方案。",
"requirements_text": "1. 计算机、人工智能或数学相关专业博士，有扎实的计算机知识和LLM功底。\n2. 掌握Qwen/DeepSeek-R1等LLM训练方式，常见PPO/GRPO/Self-Play等强化学习算法原理，有RL实操经验。\n3. 熟悉DeepResearch/Manus等Agent产品技术架构，有实际参与研发Agentic模型经验。\n4. 加分项：有多篇顶会paper和知名竞赛top名次，或参与知名开源项目。",
"skills": [AI生成
"强化学习"
],
"preferred_qualifications": "4. 加分项：有多篇顶会paper和知名竞赛top名次，或参与知名开源项目",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903920048?deptCodes="
}
]
},
"posting": {
"posting_id": "199903920048",
"post_date": "2026-03-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903920048?deptCodes="
},
"fulltext": "研究型实习生-1688-多模态强化学习算法工程师\n研究型实习生-1688-多模态强化学习算法工程师\n\n基础信息\n毕业起止时间要求：2026-10-31 - 2028-10-30\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\n1. 负责提升电商B2B场景下，多模态大模型对用户超长个性化上下文建模能力。\n2. 负责基于强化学习提升大模型多步骤工具调用能力，实现亿人亿面用户仿真能力。\n3. 构建大模型的角色扮演能力，构建高保真用户模拟器及评估体系，提升Agent训练效率。\n4. 负责LLM的前沿技术探索，沉淀可复用的垂域Agent体系化构建方案。\n\n职位要求\n1. 计算机、人工智能或数学相关专业博士，有扎实的计算机知识和LLM功底。\n2. 掌握Qwen/DeepSeek-R1等LLM训练方式，常见PPO/GRPO/Self-Play等强化学习算法原理，有RL实操经验。\n3. 熟悉DeepResearch/Manus等Agent产品技术架构，有实际参与研发Agentic模型经验。\n4. 加分项：有多篇顶会paper和知名竞赛top名次，或参与知名开源项目。\n\n在招业务\n淘天集团\n1. 负责提升电商B2B场景下，多模态大模型对用户超长个性化上下文建模能力。\n2. 负责基于强化学习提升大模型多步骤工具调用能力，实现亿人亿面用户仿真能力。\n3. 构建大模型的角色扮演能力，构建高保真用户模拟器及评估体系，提升Agent训练效率。\n4. 负责LLM的前沿技术探索，沉淀可复用的垂域Agent体系化构建方案。\n1. 计算机、人工智能或数学相关专业博士，有扎实的计算机知识和LLM功底。\n2. 掌握Qwen/DeepSeek-R1等LLM训练方式，常见PPO/GRPO/Self-Play等强化学习算法原理，有RL实操经验。\n3. 熟悉DeepResearch/Manus等Agent产品技术架构，有实际参与研发Agentic模型经验。\n4. 加分项：有多篇顶会paper和知名竞赛top名次，或参与知名开源项目。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}