主分类：AI训练推理与计算优化
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-超长序列下数据负载感知的MoE模型并行训练加速",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里巴巴控股集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "AI Infra"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "针对超长序列输入，异构样本数据，设计和实现超大规模分布式大模型训练框架。结合多种上下文长度、多种模态的样本数据，适配稀疏混合专家模型、稀疏注意力机制等新型大模型结构。对算子优化、通信优化进行深入的挖掘，消除模型并行、流水并行等实现的瓶颈。设计数据感知的训练方案，消除异构数据对效率影响。联合多种新硬件，达到极致的训练推理成本，推进大模型在国内最大的电商场景的业务落地。\n职位职责包括但不限于：\n1. 设计和实现机器学习系统所需要的大规模分布式计算系统，参与机器学习全生命周期（训练、推理、MLOps、CI/CD、AB testing）组件的开发与优化。\n2. 构建业界领先的超大规模稀疏训练引擎，通过软硬件协同以及工程算法联合优化，持续榨取高性能异构硬件的性能潜力，不断推高分布式训练的性能天花板。\n3. 构建业界先进的多模态、大语言训练引擎，通过持续的分布式训练优化，不断提升算法的训练规模，提升硬件的使用效率。\n4. 构建超大规模全流程机器学习平台，覆盖从特征工程、样本构建到模型量化交付，并通过构建SQL计算引擎、分布式特征服务、样本湖等，提升特征样本计算存储效率。\n5. 图学习、联邦学习、强化学习等多个AI方向算法工程解决方案的探索和落地。\n6. 在机器学习系统的前沿领域（如分布式训练、软硬协同设计等）参与应用驱动的研",
"requirements_text": "1、精通C/C++、Java、Python等至少一门编程语言，了解至少一种主流机器学习建模框架；\n2、对于机器学习和数学有较强的理解能力，有机器学习领域经验（计算机视觉、语音、NLP、推荐系统）优先；\n3、热衷于数据结构和算法、在ACM大赛成绩优异者优先；\n4、有实际成果并发表在国际顶级会议、期刊者优先；\n5、熟悉异构计算和高性能计算，有GPU、端侧等软硬件优化经验者优先；\n6、熟悉常用机器学习算法，有linux下开发经验的，大规模数据处理经验优先。\n7、实习时间要求（必须满足）：能保证连续实习6个月及以上\n一段全新、有意思的旅程正待开启！为了更全面的展现你自己，你还可以在简历中附上你认为自己最有意思的爱好、特长、经历，或是对未来有意思的畅想，没有限制，此项非必填。加入我们，一起打开有意思的未来！",
"skills": [AI生成
"Python",
"Java",
"C++",
"Linux",
"机器学习",
"自然语言处理",
"计算机视觉",
"数据结构",
"建模"
],
"preferred_qualifications": "2、对于机器学习和数学有较强的理解能力，有机器学习领域经验（计算机视觉、语音、NLP、推荐系统）优先；3、热衷于数据结构和算法、在ACM大赛成绩优异者优先；4、有实际成果并发表在国际顶级会议、期刊者优先；5、熟悉异构计算和高性能计算，有GPU、端侧等软硬件优化经验者优先；6、熟悉常用机器学习算法，有linux下开发经验的，大规模数据处理经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904140014?deptCodes="
}
]
},
"posting": {
"posting_id": "199904140014",
"post_date": "2026-06-11",
"hire_time": "7、实习时间要求（必须满足）：能保证连续实习6个月及以上",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904140014?deptCodes="
},
"fulltext": "研究型实习生-超长序列下数据负载感知的MoE模型并行训练加速\n研究型实习生-超长序列下数据负载感知的MoE模型并行训练加速\n\n基础信息\n毕业起止时间要求：2028-01-01 - 2030-01-01\n职位类别：AI Infra\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针对超长序列输入，异构样本数据，设计和实现超大规模分布式大模型训练框架。结合多种上下文长度、多种模态的样本数据，适配稀疏混合专家模型、稀疏注意力机制等新型大模型结构。对算子优化、通信优化进行深入的挖掘，消除模型并行、流水并行等实现的瓶颈。设计数据感知的训练方案，消除异构数据对效率影响。联合多种新硬件，达到极致的训练推理成本，推进大模型在国内最大的电商场景的业务落地。\n职位职责包括但不限于：\n1. 设计和实现机器学习系统所需要的大规模分布式计算系统，参与机器学习全生命周期（训练、推理、MLOps、CI/CD、AB testing）组件的开发与优化。\n2. 构建业界领先的超大规模稀疏训练引擎，通过软硬件协同以及工程算法联合优化，持续榨取高性能异构硬件的性能潜力，不断推高分布式训练的性能天花板。\n3. 构建业界先进的多模态、大语言训练引擎，通过持续的分布式训练优化，不断提升算法的训练规模，提升硬件的使用效率。\n4. 构建超大规模全流程机器学习平台，覆盖从特征工程、样本构建到模型量化交付，并通过构建SQL计算引擎、分布式特征服务、样本湖等，提升特征样本计算存储效率。\n5. 图学习、联邦学习、强化学习等多个AI方向算法工程解决方案的探索和落地。\n6. 在机器学习系统的前沿领域（如分布式训练、软硬协同设计等）参与应用驱动的研\n\n职位要求\n1、精通C/C++、Java、Python等至少一门编程语言，了解至少一种主流机器学习建模框架；\n2、对于机器学习和数学有较强的理解能力，有机器学习领域经验（计算机视觉、语音、NLP、推荐系统）优先；\n3、热衷于数据结构和算法、在ACM大赛成绩优异者优先；\n4、有实际成果并发表在国际顶级会议、期刊者优先；\n5、熟悉异构计算和高性能计算，有GPU、端侧等软硬件优化经验者优先；\n6、熟悉常用机器学习算法，有linux下开发经验的，大规模数据处理经验优先。\n7、实习时间要求（必须满足）：能保证连续实习6个月及以上\n一段全新、有意思的旅程正待开启！为了更全面的展现你自己，你还可以在简历中附上你认为自己最有意思的爱好、特长、经历，或是对未来有意思的畅想，没有限制，此项非必填。加入我们，一起打开有意思的未来！\n\n在招业务\n阿里巴巴控股集团\n针对超长序列输入，异构样本数据，设计和实现超大规模分布式大模型训练框架。结合多种上下文长度、多种模态的样本数据，适配稀疏混合专家模型、稀疏注意力机制等新型大模型结构。对算子优化、通信优化进行深入的挖掘，消除模型并行、流水并行等实现的瓶颈。设计数据感知的训练方案，消除异构数据对效率影响。联合多种新硬件，达到极致的训练推理成本，推进大模型在国内最大的电商场景的业务落地。\n职位职责包括但不限于：\n1. 设计和实现机器学习系统所需要的大规模分布式计算系统，参与机器学习全生命周期（训练、推理、MLOps、CI/CD、AB testing）组件的开发与优化。\n2. 构建业界领先的超大规模稀疏训练引擎，通过软硬件协同以及工程算法联合优化，持续榨取高性能异构硬件的性能潜力，不断推高分布式训练的性能天花板。\n3. 构建业界先进的多模态、大语言训练引擎，通过持续的分布式训练优化，不断提升算法的训练规模，提升硬件的使用效率。\n4. 构建超大规模全流程机器学习平台，覆盖从特征工程、样本构建到模型量化交付，并通过构建SQL计算引擎、分布式特征服务、样本湖等，提升特征样本计算存储效率。\n5. 图学习、联邦学习、强化学习等多个AI方向算法工程解决方案的探索和落地。\n6. 在机器学习系统的前沿领域（如分布式训练、软硬协同设计等）参与应用驱动的研\n1、精通C/C++、Java、Python等至少一门编程语言，了解至少一种主流机器学习建模框架；\n2、对于机器学习和数学有较强的理解能力，有机器学习领域经验（计算机视觉、语音、NLP、推荐系统）优先；\n3、热衷于数据结构和算法、在ACM大赛成绩优异者优先；\n4、有实际成果并发表在国际顶级会议、期刊者优先；\n5、熟悉异构计算和高性能计算，有GPU、端侧等软硬件优化经验者优先；\n6、熟悉常用机器学习算法，有linux下开发经验的，大规模数据处理经验优先。\n7、实习时间要求（必须满足）：能保证连续实习6个月及以上\n一段全新、有意思的旅程正待开启！为了更全面的展现你自己，你还可以在简历中附上你认为自己最有意思的爱好、特长、经历，或是对未来有意思的畅想，没有限制，此项非必填。加入我们，一起打开有意思的未来！",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}