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-视频理解与生成应用算法研究",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"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": "博士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "专注于视频理解与生成应用算法研究，具体研究内容包括：\n1.视频理解：通过高质量数据构建方案，实现视频的精细主体/运动/场景描述以及长视频结构化描述（如人物关系、情节发展、故事主旨），支持长视频问答与精准时序定位。同时结合R1等前沿思维链技术解析复杂视频事件，视频逻辑推理等；\n2.视频生成：聚焦视频DiT/AR等前沿架构下的垂类微调，包括复杂人体运动/场景动效生成与可控编辑技术，研究多模态指令驱动的视频编辑、人体运动增强及物理约束建模方法，提升生成视频的动态质量与风格迁移能力。",
"requirements_text": "1. 博士在读，计算机相关专业优先；\n2. base地可选北京和杭州，杭州优先；\n3. 具有扎实的计算机视觉或大模型算法基础，对主流大模型的原理和使用有深入的理解，有成果发表在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR等国际顶级会议期刊者优先；\n4. 可以持续实习至少6个月.",
"skills": [AI生成
"计算机视觉",
"大语言模型"
],
"preferred_qualifications": "1. 博士在读，计算机相关专业优先；2. base地可选北京和杭州，杭州优先；3. 具有扎实的计算机视觉或大模型算法基础，对主流大模型的原理和使用有深入的理解，有成果发表在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR等国际顶级会议期刊者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904660003?deptCodes="
}
]
},
"posting": {
"posting_id": "199904660003",
"post_date": "2026-04-27",
"hire_time": "4. 可以持续实习至少6个月.",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904660003?deptCodes="
},
"fulltext": "研究型实习生-视频理解与生成应用算法研究\n研究型实习生-视频理解与生成应用算法研究\n\n基础信息\n毕业起止时间要求：2028-11-01 - 2032-10-31\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：北京 / 杭州\n\n职位描述\n专注于视频理解与生成应用算法研究，具体研究内容包括：\n1.视频理解：通过高质量数据构建方案，实现视频的精细主体/运动/场景描述以及长视频结构化描述（如人物关系、情节发展、故事主旨），支持长视频问答与精准时序定位。同时结合R1等前沿思维链技术解析复杂视频事件，视频逻辑推理等；\n2.视频生成：聚焦视频DiT/AR等前沿架构下的垂类微调，包括复杂人体运动/场景动效生成与可控编辑技术，研究多模态指令驱动的视频编辑、人体运动增强及物理约束建模方法，提升生成视频的动态质量与风格迁移能力。\n\n职位要求\n1. 博士在读，计算机相关专业优先；\n2. base地可选北京和杭州，杭州优先；\n3. 具有扎实的计算机视觉或大模型算法基础，对主流大模型的原理和使用有深入的理解，有成果发表在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR等国际顶级会议期刊者优先；\n4. 可以持续实习至少6个月.\n\n在招业务\nToken Foundry\n专注于视频理解与生成应用算法研究，具体研究内容包括：\n1.视频理解：通过高质量数据构建方案，实现视频的精细主体/运动/场景描述以及长视频结构化描述（如人物关系、情节发展、故事主旨），支持长视频问答与精准时序定位。同时结合R1等前沿思维链技术解析复杂视频事件，视频逻辑推理等；\n2.视频生成：聚焦视频DiT/AR等前沿架构下的垂类微调，包括复杂人体运动/场景动效生成与可控编辑技术，研究多模态指令驱动的视频编辑、人体运动增强及物理约束建模方法，提升生成视频的动态质量与风格迁移能力。\n1. 博士在读，计算机相关专业优先；\n2. base地可选北京和杭州，杭州优先；\n3. 具有扎实的计算机视觉或大模型算法基础，对主流大模型的原理和使用有深入的理解，有成果发表在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR等国际顶级会议期刊者优先；\n4. 可以持续实习至少6个月.",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}