主分类：计算机视觉与图像感知算法研发
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": "多模态大模型工程师-多模态文档智能",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士/博士优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "围绕多模态文档智能方向，开展文档理解、文档推理和文档智能体相关研究，推动多模态大模型在真实文档场景中的能力提升，并服务实际业务落地。\n你将参与以下一个或多个方向的工作： \n1. 文档理解：面向复杂长文档场景，研究文档解析与结构化重建技术，提升模型对文本、公式、表格、图像等元素的识别、定位和还原能力，探索从图像到结构化文档的端到端方案。结合真实场景进行数据构建、实验设计与效果分析，持续优化模型在复杂文档解析任务中的表现；\n2. 文档推理：面向统计图表、学术论文、行业报告等高信息密度文档，研究多模态大模型的图文理解、逻辑推理和数值分析能力，提升模型在复杂文档问答、证据整合和长上下文推理任务中的表现。围绕关键任务开展数据整理、评测设计和实验迭代，持续分析并改进模型在复杂文档推理中的效果；\n3. 文档智能体：探索基于多模态大模型的文档智能体能力，包括跨文档检索、信息搜集、任务规划、工具调用和结果验证等，推动模型完成如研报生成、信息抽取、跨文档对比分析等复杂任务。结合具体业务场景，参与任务设计、效果评估和系统迭代，提升智能体在真实任务中的完成质量。",
"requirements_text": "1. 计算机、人工智能、数学、统计学等相关专业，硕士/博士优先；\n2. 熟悉Python和PyTorch，具备较强的代码与实验能力；\n3. 熟悉多模态大模型，理解主流LLM/MLLM基础架构，有SFT/RL等后训练实操经验；\n4. 认真踏实、主动性强，有良好的沟通和协作能力；\n5. 在以下一个或多个方向有经验者优先：文档解析、OCR、表格/图表理解、多模态推理、Agent。",
"skills": [AI生成
"Python",
"PyTorch",
"大语言模型"
],
"preferred_qualifications": "1. 计算机、人工智能、数学、统计学等相关专业，硕士/博士优先；5. 在以下一个或多个方向有经验者优先：文档解析、OCR、表格/图表理解、多模态推理、Agent",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904360002?deptCodes="
}
]
},
"posting": {
"posting_id": "199904360002",
"post_date": "2026-04-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904360002?deptCodes="
},
"fulltext": "多模态大模型工程师-多模态文档智能\n多模态大模型工程师-多模态文档智能\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2028-12-31\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\n围绕多模态文档智能方向，开展文档理解、文档推理和文档智能体相关研究，推动多模态大模型在真实文档场景中的能力提升，并服务实际业务落地。\n你将参与以下一个或多个方向的工作： \n1. 文档理解：面向复杂长文档场景，研究文档解析与结构化重建技术，提升模型对文本、公式、表格、图像等元素的识别、定位和还原能力，探索从图像到结构化文档的端到端方案。结合真实场景进行数据构建、实验设计与效果分析，持续优化模型在复杂文档解析任务中的表现；\n2. 文档推理：面向统计图表、学术论文、行业报告等高信息密度文档，研究多模态大模型的图文理解、逻辑推理和数值分析能力，提升模型在复杂文档问答、证据整合和长上下文推理任务中的表现。围绕关键任务开展数据整理、评测设计和实验迭代，持续分析并改进模型在复杂文档推理中的效果；\n3. 文档智能体：探索基于多模态大模型的文档智能体能力，包括跨文档检索、信息搜集、任务规划、工具调用和结果验证等，推动模型完成如研报生成、信息抽取、跨文档对比分析等复杂任务。结合具体业务场景，参与任务设计、效果评估和系统迭代，提升智能体在真实任务中的完成质量。\n\n职位要求\n1. 计算机、人工智能、数学、统计学等相关专业，硕士/博士优先；\n2. 熟悉Python和PyTorch，具备较强的代码与实验能力；\n3. 熟悉多模态大模型，理解主流LLM/MLLM基础架构，有SFT/RL等后训练实操经验；\n4. 认真踏实、主动性强，有良好的沟通和协作能力；\n5. 在以下一个或多个方向有经验者优先：文档解析、OCR、表格/图表理解、多模态推理、Agent。\n\n在招业务\n阿里云\n围绕多模态文档智能方向，开展文档理解、文档推理和文档智能体相关研究，推动多模态大模型在真实文档场景中的能力提升，并服务实际业务落地。\n你将参与以下一个或多个方向的工作： \n1. 文档理解：面向复杂长文档场景，研究文档解析与结构化重建技术，提升模型对文本、公式、表格、图像等元素的识别、定位和还原能力，探索从图像到结构化文档的端到端方案。结合真实场景进行数据构建、实验设计与效果分析，持续优化模型在复杂文档解析任务中的表现；\n2. 文档推理：面向统计图表、学术论文、行业报告等高信息密度文档，研究多模态大模型的图文理解、逻辑推理和数值分析能力，提升模型在复杂文档问答、证据整合和长上下文推理任务中的表现。围绕关键任务开展数据整理、评测设计和实验迭代，持续分析并改进模型在复杂文档推理中的效果；\n3. 文档智能体：探索基于多模态大模型的文档智能体能力，包括跨文档检索、信息搜集、任务规划、工具调用和结果验证等，推动模型完成如研报生成、信息抽取、跨文档对比分析等复杂任务。结合具体业务场景，参与任务设计、效果评估和系统迭代，提升智能体在真实任务中的完成质量。\n1. 计算机、人工智能、数学、统计学等相关专业，硕士/博士优先；\n2. 熟悉Python和PyTorch，具备较强的代码与实验能力；\n3. 熟悉多模态大模型，理解主流LLM/MLLM基础架构，有SFT/RL等后训练实操经验；\n4. 认真踏实、主动性强，有良好的沟通和协作能力；\n5. 在以下一个或多个方向有经验者优先：文档解析、OCR、表格/图表理解、多模态推理、Agent。",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}