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-多模态大模型算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里巴巴控股集团",
"location": "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": "● 海内外知名高校在读博士、硕士（优秀本科生亦可）",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "阿里巴巴达摩院医疗AI团队，面向多模态医疗大模型的前沿研究与应用落地，旨在构建能够理解和推理不同医疗模态信息（影像、文本、临床结构化数据等）的通用智能系统。\n研究方向包括但不限于：\n● 多模态医疗大模型的架构设计、训练与优化\n● 医学影像（CT/MRI/超声、病理切片等）与医学文本（病历、检验报告等）的跨模态表示学习，多模态对齐，知识图谱增强\n● 医疗领域的视觉‑语言模型（VLM）、医学版GPT及多模态融合方法\n● 面向诊断与治疗决策的推理型模型和知识增强大模型\n● 少样本/零样本医疗任务泛化、可解释性与可信AI\n我们拥有：\n● 海量高质量、多模态临床数据（影像+文本+结构化信息）\n● 充足算力资源（GPU不限，集群规模支持超大模型训练）\n● 与国内外顶级医院、知名医学专家的长期科研合作\n● 在顶级会议与期刊（Nature子刊、TMI、MICCAI、CVPR、NeurIPS等）的高影响力成果\n这是一个将AI大模型与医疗健康结合、面向未来的研究机会。",
"requirements_text": "● 海内外知名高校在读博士、硕士（优秀本科生亦可）。\n● 在人工智能/计算机视觉/自然语言处理/多模态学习相关领域具备扎实的理论与实践基础。\n● 熟练掌握 Python 及主流深度学习框架（PyTorch、JAX等）；\n● 熟悉多模态模型架构（如 Vision-Language Models、Transformer 系列、LLM、CLIP、BLIP 等）或大型模型的训练与微调方法。\n● 在多模态医疗AI、视觉‑语言模型、医疗大模型等方向以第一作者发表过顶会/顶刊论文（ICCV、CVPR、ECCV、NeurIPS、ICML、ICLR、TPAMI、MICCAI、IPMI、TMI、MedIA 等）\n● 有医疗AI领域大模型应用（诊断、三维可视化、自动报告生成、多语言医学对话等）项目经验\n● 有超大规模模型训练、分布式训练、模型压缩/加速经验\n● 具备良好的独立科研能力、批判性思维和问题分析能力，对探索未知和解决医学实际问题充满兴趣。",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"自然语言处理",
"计算机视觉",
"模型训练",
"分析能力",
"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/199904200001?deptCodes="
}
]
},
"posting": {
"posting_id": "199904200001",
"post_date": "2026-09-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904200001?deptCodes="
},
"fulltext": "研究型实习生-多模态大模型算法工程师\n研究型实习生-多模态大模型算法工程师\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：杭州\n\n职位描述\n阿里巴巴达摩院医疗AI团队，面向多模态医疗大模型的前沿研究与应用落地，旨在构建能够理解和推理不同医疗模态信息（影像、文本、临床结构化数据等）的通用智能系统。\n研究方向包括但不限于：\n● 多模态医疗大模型的架构设计、训练与优化\n● 医学影像（CT/MRI/超声、病理切片等）与医学文本（病历、检验报告等）的跨模态表示学习，多模态对齐，知识图谱增强\n● 医疗领域的视觉‑语言模型（VLM）、医学版GPT及多模态融合方法\n● 面向诊断与治疗决策的推理型模型和知识增强大模型\n● 少样本/零样本医疗任务泛化、可解释性与可信AI\n我们拥有：\n● 海量高质量、多模态临床数据（影像+文本+结构化信息）\n● 充足算力资源（GPU不限，集群规模支持超大模型训练）\n● 与国内外顶级医院、知名医学专家的长期科研合作\n● 在顶级会议与期刊（Nature子刊、TMI、MICCAI、CVPR、NeurIPS等）的高影响力成果\n这是一个将AI大模型与医疗健康结合、面向未来的研究机会。\n\n职位要求\n● 海内外知名高校在读博士、硕士（优秀本科生亦可）。\n● 在人工智能/计算机视觉/自然语言处理/多模态学习相关领域具备扎实的理论与实践基础。\n● 熟练掌握 Python 及主流深度学习框架（PyTorch、JAX等）；\n● 熟悉多模态模型架构（如 Vision-Language Models、Transformer 系列、LLM、CLIP、BLIP 等）或大型模型的训练与微调方法。\n● 在多模态医疗AI、视觉‑语言模型、医疗大模型等方向以第一作者发表过顶会/顶刊论文（ICCV、CVPR、ECCV、NeurIPS、ICML、ICLR、TPAMI、MICCAI、IPMI、TMI、MedIA 等）\n● 有医疗AI领域大模型应用（诊断、三维可视化、自动报告生成、多语言医学对话等）项目经验\n● 有超大规模模型训练、分布式训练、模型压缩/加速经验\n● 具备良好的独立科研能力、批判性思维和问题分析能力，对探索未知和解决医学实际问题充满兴趣。\n\n在招业务\n阿里巴巴控股集团\n阿里巴巴达摩院医疗AI团队，面向多模态医疗大模型的前沿研究与应用落地，旨在构建能够理解和推理不同医疗模态信息（影像、文本、临床结构化数据等）的通用智能系统。\n研究方向包括但不限于：\n● 多模态医疗大模型的架构设计、训练与优化\n● 医学影像（CT/MRI/超声、病理切片等）与医学文本（病历、检验报告等）的跨模态表示学习，多模态对齐，知识图谱增强\n● 医疗领域的视觉‑语言模型（VLM）、医学版GPT及多模态融合方法\n● 面向诊断与治疗决策的推理型模型和知识增强大模型\n● 少样本/零样本医疗任务泛化、可解释性与可信AI\n我们拥有：\n● 海量高质量、多模态临床数据（影像+文本+结构化信息）\n● 充足算力资源（GPU不限，集群规模支持超大模型训练）\n● 与国内外顶级医院、知名医学专家的长期科研合作\n● 在顶级会议与期刊（Nature子刊、TMI、MICCAI、CVPR、NeurIPS等）的高影响力成果\n这是一个将AI大模型与医疗健康结合、面向未来的研究机会。\n● 海内外知名高校在读博士、硕士（优秀本科生亦可）。\n● 在人工智能/计算机视觉/自然语言处理/多模态学习相关领域具备扎实的理论与实践基础。\n● 熟练掌握 Python 及主流深度学习框架（PyTorch、JAX等）；\n● 熟悉多模态模型架构（如 Vision-Language Models、Transformer 系列、LLM、CLIP、BLIP 等）或大型模型的训练与微调方法。\n● 在多模态医疗AI、视觉‑语言模型、医疗大模型等方向以第一作者发表过顶会/顶刊论文（ICCV、CVPR、ECCV、NeurIPS、ICML、ICLR、TPAMI、MICCAI、IPMI、TMI、MedIA 等）\n● 有医疗AI领域大模型应用（诊断、三维可视化、自动报告生成、多语言医学对话等）项目经验\n● 有超大规模模型训练、分布式训练、模型压缩/加速经验\n● 具备良好的独立科研能力、批判性思维和问题分析能力，对探索未知和解决医学实际问题充满兴趣。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}