主分类：大模型与生成式算法研发
辅助：语音与音频算法研发（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": "日常实习生-多模态算法（音乐方向）-未来生活实验室",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 协助团队开展多模态大模型算法研发工作，参与语音/音频生成、理解等核心技术的研发与测试；\n2. 辅助研发多模态内容理解模型，协助搭建高精度、细粒度的内容描述体系，完成基础数据标注与整理工作；\n3. 参与训练数据集的搭建、清洗、整理与标注，助力模型迭代优化，配合完成数据集相关基础调研；\n4. 协助推进多模态大模型在核心业务中的落地测试，参与技术实用化过程中的效果验证与问题反馈；\n5. 跟踪多模态大模型、音频AI领域行业前沿技术，协助整理前沿技术资料，参与团队技术研讨与学习。",
"requirements_text": "1. 计算机、电子信息、人工智能、自动化等相关专业，本科及以上学历。\n2. 对多模态大模型/AI生成有浓厚兴趣，有相关课程学习、课程设计、科研项目或竞赛经验即可（涉及语音/音频/文本生成、多模态理解等方向均可）；\n3. 了解AI生成模型基础算法，接触过Transformer、DiT、Flow-Matching等任一框架，有模型训练、调优实操经验者优先；\n4. 了解多模态表征基础技术，学习过自监督表征相关知识，了解基础高质量数据解码方案，对数据质量有基本感知者优先；\n5. 有基础的多模态理解模型学习或开发经验，了解主流多模态大模型基本原理者优先；\n6. 编程基础扎实，熟练使用Python，了解主流大模型训练框架；具备良好的科研学习能力，能够主动跟进领域前沿技术，有相关论文撰写、竞赛获奖经历者优先；\n7. 对AI/多模态技术有浓厚兴趣，了解基础数据处理知识，具备一定相关实践经验者优先；\n8. 实习时长不少于3个月，每周可到岗4天及以上，能尽快到岗者优先；工作态度认真负责，具备良好的团队协作能力与问题解决能力。",
"skills": [AI生成
"Python",
"模型训练",
"团队协作",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "3. 了解AI生成模型基础算法，接触过Transformer、DiT、Flow-Matching等任一框架，有模型训练、调优实操经验者优先；4. 了解多模态表征基础技术，学习过自监督表征相关知识，了解基础高质量数据解码方案，对数据质量有基本感知者优先；5. 有基础的多模态理解模型学习或开发经验，了解主流多模态大模型基本原理者优先；具备良好的科研学习能力，能够主动跟进领域前沿技术，有相关论文撰写、竞赛获奖经历者优先；7. 对AI/多模态技术有浓厚兴趣，了解基础数据处理知识，具备一定相关实践经验者优先；8. 实习时长不少于3个月，每周可到岗4天及以上，能尽快到岗者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904080009?deptCodes="
}
]
},
"posting": {
"posting_id": "199904080009",
"post_date": "2026-06-29",
"hire_time": "8. 实习时长不少于3个月，每周可到岗4天及以上，能尽快到岗者优先",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904080009?deptCodes="
},
"fulltext": "日常实习生-多模态算法（音乐方向）-未来生活实验室\n日常实习生-多模态算法（音乐方向）-未来生活实验室\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：阿里巴巴日常实习生\n工作地点：北京 / 杭州\n\n职位描述\n1. 协助团队开展多模态大模型算法研发工作，参与语音/音频生成、理解等核心技术的研发与测试；\n2. 辅助研发多模态内容理解模型，协助搭建高精度、细粒度的内容描述体系，完成基础数据标注与整理工作；\n3. 参与训练数据集的搭建、清洗、整理与标注，助力模型迭代优化，配合完成数据集相关基础调研；\n4. 协助推进多模态大模型在核心业务中的落地测试，参与技术实用化过程中的效果验证与问题反馈；\n5. 跟踪多模态大模型、音频AI领域行业前沿技术，协助整理前沿技术资料，参与团队技术研讨与学习。\n\n职位要求\n1. 计算机、电子信息、人工智能、自动化等相关专业，本科及以上学历。\n2. 对多模态大模型/AI生成有浓厚兴趣，有相关课程学习、课程设计、科研项目或竞赛经验即可（涉及语音/音频/文本生成、多模态理解等方向均可）；\n3. 了解AI生成模型基础算法，接触过Transformer、DiT、Flow-Matching等任一框架，有模型训练、调优实操经验者优先；\n4. 了解多模态表征基础技术，学习过自监督表征相关知识，了解基础高质量数据解码方案，对数据质量有基本感知者优先；\n5. 有基础的多模态理解模型学习或开发经验，了解主流多模态大模型基本原理者优先；\n6. 编程基础扎实，熟练使用Python，了解主流大模型训练框架；具备良好的科研学习能力，能够主动跟进领域前沿技术，有相关论文撰写、竞赛获奖经历者优先；\n7. 对AI/多模态技术有浓厚兴趣，了解基础数据处理知识，具备一定相关实践经验者优先；\n8. 实习时长不少于3个月，每周可到岗4天及以上，能尽快到岗者优先；工作态度认真负责，具备良好的团队协作能力与问题解决能力。\n\n在招业务\nToken Foundry\n1. 协助团队开展多模态大模型算法研发工作，参与语音/音频生成、理解等核心技术的研发与测试；\n2. 辅助研发多模态内容理解模型，协助搭建高精度、细粒度的内容描述体系，完成基础数据标注与整理工作；\n3. 参与训练数据集的搭建、清洗、整理与标注，助力模型迭代优化，配合完成数据集相关基础调研；\n4. 协助推进多模态大模型在核心业务中的落地测试，参与技术实用化过程中的效果验证与问题反馈；\n5. 跟踪多模态大模型、音频AI领域行业前沿技术，协助整理前沿技术资料，参与团队技术研讨与学习。\n1. 计算机、电子信息、人工智能、自动化等相关专业，本科及以上学历。\n2. 对多模态大模型/AI生成有浓厚兴趣，有相关课程学习、课程设计、科研项目或竞赛经验即可（涉及语音/音频/文本生成、多模态理解等方向均可）；\n3. 了解AI生成模型基础算法，接触过Transformer、DiT、Flow-Matching等任一框架，有模型训练、调优实操经验者优先；\n4. 了解多模态表征基础技术，学习过自监督表征相关知识，了解基础高质量数据解码方案，对数据质量有基本感知者优先；\n5. 有基础的多模态理解模型学习或开发经验，了解主流多模态大模型基本原理者优先；\n6. 编程基础扎实，熟练使用Python，了解主流大模型训练框架；具备良好的科研学习能力，能够主动跟进领域前沿技术，有相关论文撰写、竞赛获奖经历者优先；\n7. 对AI/多模态技术有浓厚兴趣，了解基础数据处理知识，具备一定相关实践经验者优先；\n8. 实习时长不少于3个月，每周可到岗4天及以上，能尽快到岗者优先；工作态度认真负责，具备良好的团队协作能力与问题解决能力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T035"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}