主分类：大模型与生成式算法研发
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 - 模型架构前沿技术研究",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "聚焦于模型架构设计的相关算法研究，具体职责包括：\n1、模型混合架构设计：设计稀疏结构、共享结构减少内存占用开销，提升模型结构中的线性层比例，扩展模型长文本容量，在保持模型高性能的同时提升模型效率；\n2、架构迁移算法：模型结构迁移算法优化与创新，实现在更小的数据成本和训练开销下，达到持平或者更优的迁移效果；\n3、Linear结构优化：linear attention结构的优化与创新，改善linear层表达能力不足的缺陷，不断提升模型的能力；\n4、Memory机制设计：设计模型的稀疏memory理机制，实现模型从token级到复杂“概念”级建模能力的提升，提升模型在多知识关联下的复杂推理能力。",
"requirements_text": "1、NLP/ML/DL等相关背景，对大语言模型相关技术有强烈兴趣并有相关科研经验；\n2、有模型底层架构优化经验优先，包括不限于：MoE、Linear Attention、Sparse Attention、SSM；\n3、有良好的自驱力、coding能力和团队协作能力，可长期实习；\n4、有NeurIPS/ICML/ICLR/ACL等相关领域顶会论文发表经历优先。",
"skills": [AI生成
"自然语言处理",
"团队协作",
"大语言模型"
],
"preferred_qualifications": "2、有模型底层架构优化经验优先，包括不限于：MoE、Linear Attention、Sparse Attention、SSM；4、有NeurIPS/ICML/ICLR/ACL等相关领域顶会论文发表经历优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904600002?deptCodes="
}
]
},
"posting": {
"posting_id": "199904600002",
"post_date": "2026-04-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904600002?deptCodes="
},
"fulltext": "研究型实习生 - 模型架构前沿技术研究\n研究型实习生 - 模型架构前沿技术研究\n\n基础信息\n毕业起止时间要求：2028-11-01 - 2031-10-31\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聚焦于模型架构设计的相关算法研究，具体职责包括：\n1、模型混合架构设计：设计稀疏结构、共享结构减少内存占用开销，提升模型结构中的线性层比例，扩展模型长文本容量，在保持模型高性能的同时提升模型效率；\n2、架构迁移算法：模型结构迁移算法优化与创新，实现在更小的数据成本和训练开销下，达到持平或者更优的迁移效果；\n3、Linear结构优化：linear attention结构的优化与创新，改善linear层表达能力不足的缺陷，不断提升模型的能力；\n4、Memory机制设计：设计模型的稀疏memory理机制，实现模型从token级到复杂“概念”级建模能力的提升，提升模型在多知识关联下的复杂推理能力。\n\n职位要求\n1、NLP/ML/DL等相关背景，对大语言模型相关技术有强烈兴趣并有相关科研经验；\n2、有模型底层架构优化经验优先，包括不限于：MoE、Linear Attention、Sparse Attention、SSM；\n3、有良好的自驱力、coding能力和团队协作能力，可长期实习；\n4、有NeurIPS/ICML/ICLR/ACL等相关领域顶会论文发表经历优先。\n\n在招业务\nToken Foundry\n聚焦于模型架构设计的相关算法研究，具体职责包括：\n1、模型混合架构设计：设计稀疏结构、共享结构减少内存占用开销，提升模型结构中的线性层比例，扩展模型长文本容量，在保持模型高性能的同时提升模型效率；\n2、架构迁移算法：模型结构迁移算法优化与创新，实现在更小的数据成本和训练开销下，达到持平或者更优的迁移效果；\n3、Linear结构优化：linear attention结构的优化与创新，改善linear层表达能力不足的缺陷，不断提升模型的能力；\n4、Memory机制设计：设计模型的稀疏memory理机制，实现模型从token级到复杂“概念”级建模能力的提升，提升模型在多知识关联下的复杂推理能力。\n1、NLP/ML/DL等相关背景，对大语言模型相关技术有强烈兴趣并有相关科研经验；\n2、有模型底层架构优化经验优先，包括不限于：MoE、Linear Attention、Sparse Attention、SSM；\n3、有良好的自驱力、coding能力和团队协作能力，可长期实习；\n4、有NeurIPS/ICML/ICLR/ACL等相关领域顶会论文发表经历优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}