职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:199904560002

大模型工程师-多领域翻译

未披露 · 北京 / 杭州 · 阿里云

主分类:自然语言处理算法研发
算法与数据
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": "大模型工程师-多领域翻译",
        "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": "硕士及以上学历在读",
        "language": "4、具备出色的英文文献阅读和技术资料检索能力,拥有强大的分析问题和解决问题的能力",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、研发和实现前沿的机器翻译算法,探索基于大模型的跨模态语义理解与生成技术,包括但不限于文本翻译、语音翻译、上下文感知的翻译优化以及多语言生成;\n2、设计并实现基于 Agent 的智能翻译工作流,探索利用大模型的规划、反思及工具使用能力,解决复杂场景下的多语言翻译和生成问题,如文档翻译等;\n3、跟进多语言和机器翻译方向的前沿技术进展,探索 MoE、Multi-Agent以及低资源环境下的高效微调等策略;\n4、参与构建高质量的多模态指令微调数据集,探索翻译质量评估的最新方法和应用,协助团队在顶级会议发表高水平论文,并推动算法在实际业务场景中的落地验证。",
        "requirements_text": "1、计算机科学、人工智能、电子信息、应用数学等相关专业,硕士及以上学历在读;\n2、熟悉机器翻译相关算法和技术,深入理解大模型底层技术(如Transformer架构、预训练策略),具备LLM训练调优实战经验;\n3、熟练掌握Python编程语言,并熟练使用至少一种主流深度学习框架(如PyTorch, TensorFlow);\n4、具备出色的英文文献阅读和技术资料检索能力,拥有强大的分析问题和解决问题的能力;\n5、在机器翻译、自然语言处理等相关领域有实际项目经验或参加过相关竞赛(如WMT)者优先;\n6、在NLP/AI领域的国际顶级会议或主流期刊(如ACL, EMNLP, NAACL, ICLR, NeurIPS等)上发表过论文者优先。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "TensorFlow",
            "深度学习",
            "自然语言处理",
            "解决问题",
            "大语言模型"
        ],
        "preferred_qualifications": "5、在机器翻译、自然语言处理等相关领域有实际项目经验或参加过相关竞赛(如WMT)者优先;6、在NLP/AI领域的国际顶级会议或主流期刊(如ACL, EMNLP, NAACL, ICLR, NeurIPS等)上发表过论文者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199904560002?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199904560002",
        "post_date": "2026-04-28",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199904560002?deptCodes="
    },
    "fulltext": "大模型工程师-多领域翻译\n大模型工程师-多领域翻译\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、研发和实现前沿的机器翻译算法,探索基于大模型的跨模态语义理解与生成技术,包括但不限于文本翻译、语音翻译、上下文感知的翻译优化以及多语言生成;\n2、设计并实现基于 Agent 的智能翻译工作流,探索利用大模型的规划、反思及工具使用能力,解决复杂场景下的多语言翻译和生成问题,如文档翻译等;\n3、跟进多语言和机器翻译方向的前沿技术进展,探索 MoE、Multi-Agent以及低资源环境下的高效微调等策略;\n4、参与构建高质量的多模态指令微调数据集,探索翻译质量评估的最新方法和应用,协助团队在顶级会议发表高水平论文,并推动算法在实际业务场景中的落地验证。\n\n职位要求\n1、计算机科学、人工智能、电子信息、应用数学等相关专业,硕士及以上学历在读;\n2、熟悉机器翻译相关算法和技术,深入理解大模型底层技术(如Transformer架构、预训练策略),具备LLM训练调优实战经验;\n3、熟练掌握Python编程语言,并熟练使用至少一种主流深度学习框架(如PyTorch, TensorFlow);\n4、具备出色的英文文献阅读和技术资料检索能力,拥有强大的分析问题和解决问题的能力;\n5、在机器翻译、自然语言处理等相关领域有实际项目经验或参加过相关竞赛(如WMT)者优先;\n6、在NLP/AI领域的国际顶级会议或主流期刊(如ACL, EMNLP, NAACL, ICLR, NeurIPS等)上发表过论文者优先。\n\n在招业务\n阿里云\n1、研发和实现前沿的机器翻译算法,探索基于大模型的跨模态语义理解与生成技术,包括但不限于文本翻译、语音翻译、上下文感知的翻译优化以及多语言生成;\n2、设计并实现基于 Agent 的智能翻译工作流,探索利用大模型的规划、反思及工具使用能力,解决复杂场景下的多语言翻译和生成问题,如文档翻译等;\n3、跟进多语言和机器翻译方向的前沿技术进展,探索 MoE、Multi-Agent以及低资源环境下的高效微调等策略;\n4、参与构建高质量的多模态指令微调数据集,探索翻译质量评估的最新方法和应用,协助团队在顶级会议发表高水平论文,并推动算法在实际业务场景中的落地验证。\n1、计算机科学、人工智能、电子信息、应用数学等相关专业,硕士及以上学历在读;\n2、熟悉机器翻译相关算法和技术,深入理解大模型底层技术(如Transformer架构、预训练策略),具备LLM训练调优实战经验;\n3、熟练掌握Python编程语言,并熟练使用至少一种主流深度学习框架(如PyTorch, TensorFlow);\n4、具备出色的英文文献阅读和技术资料检索能力,拥有强大的分析问题和解决问题的能力;\n5、在机器翻译、自然语言处理等相关领域有实际项目经验或参加过相关竞赛(如WMT)者优先;\n6、在NLP/AI领域的国际顶级会议或主流期刊(如ACL, EMNLP, NAACL, ICLR, NeurIPS等)上发表过论文者优先。",
    "standard_classification": {
        "std_category_code": "T036",
        "std_aux_codes": [
            "T009"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}