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": "阿里国际智能技术-多模态大模型算法工程师-日常实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里国际数字商业集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里国际数字商业集团",
"company_industry": "跨境电商",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里国际数字商业业务涉及国际电商平台及跨境商品交易。"
},
"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": "团队介绍：\n我们是阿里巴巴国际数字商业集团-智能技术-商品基础数据算法团队，基于研发电商多模态预训练模型基座，通过多模态商品理解、商品同款匹配、商品属性&标签生产、知识图谱构建、图像搜索等核心技术的持续迭代，为平台沉淀高质量、结构化的商品数据资产和多模态大模型基座。主攻前沿方向：Continual Pre-Training/Post-Training 模型持续优化、SFT 监督微调与用户偏好对齐、RL 强化学习提升推理和决策能力、多模态（文本 + 图像）语义匹配。\n职位描述：\n1.负责研发电商多模态预训练模型基座，抽象并解决商品理解的基础问题使得模型具备业务通识能力，并构建针对大模型幻觉问题、推理能力、模型加速等关键问题的系统性解决方案，提高下游业务的迭代效率和效果上限。\n2.基于多模态预训练大模型，设计和迭代 SFT+RL 训练方案，优化模型语义理解精度，落地商品理解关键场景任务，比如商品类目/属性/标签预测、商品同款、商品图搜等，负责关键场景的端到端全链路优化，实现业务指标提升。\n3.学习前沿论文与把握技术趋势，深入理解底层算法原理，探索实验面向未来的硬核技术，实现核心技术突破和技术创新，发表相关论文。",
"requirements_text": "1.在计算机视觉、自然语言处理、多模态理解、数据分析与挖掘方向有相关项目和产品经验，对其中某一领域算法有深入的研究和应用；\n2.掌握机器学习和深度学习基础知识，熟悉Pytorch、Tensorflow等至少一种深度学习框架，熟悉常用的CV、NLP等主流网络模型；\n3.在多模态预训练学习方向有相关项目和产品经验，对多模态特征的表达和融合、跨模态特征对齐、多任务协同学习算法有深入的研究和应用者优先，有生成式大模型SFT、RLHF相关经验者优先。\n4.有相关竞赛经验者优先并在相关方向国际顶会发表过论文者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"自然语言处理",
"计算机视觉",
"数据分析",
"大语言模型"
],
"preferred_qualifications": "3.在多模态预训练学习方向有相关项目和产品经验，对多模态特征的表达和融合、跨模态特征对齐、多任务协同学习算法有深入的研究和应用者优先，有生成式大模型SFT、RLHF相关经验者优先；4.有相关竞赛经验者优先并在相关方向国际顶会发表过论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904780003?deptCodes="
}
]
},
"posting": {
"posting_id": "199904780003",
"post_date": "2026-06-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904780003?deptCodes="
},
"fulltext": "阿里国际智能技术-多模态大模型算法工程师-日常实习生\n阿里国际智能技术-多模态大模型算法工程师-日常实习生\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-10-31\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：杭州\n\n职位描述\n团队介绍：\n我们是阿里巴巴国际数字商业集团-智能技术-商品基础数据算法团队，基于研发电商多模态预训练模型基座，通过多模态商品理解、商品同款匹配、商品属性&标签生产、知识图谱构建、图像搜索等核心技术的持续迭代，为平台沉淀高质量、结构化的商品数据资产和多模态大模型基座。主攻前沿方向：Continual Pre-Training/Post-Training 模型持续优化、SFT 监督微调与用户偏好对齐、RL 强化学习提升推理和决策能力、多模态（文本 + 图像）语义匹配。\n职位描述：\n1.负责研发电商多模态预训练模型基座，抽象并解决商品理解的基础问题使得模型具备业务通识能力，并构建针对大模型幻觉问题、推理能力、模型加速等关键问题的系统性解决方案，提高下游业务的迭代效率和效果上限。\n2.基于多模态预训练大模型，设计和迭代 SFT+RL 训练方案，优化模型语义理解精度，落地商品理解关键场景任务，比如商品类目/属性/标签预测、商品同款、商品图搜等，负责关键场景的端到端全链路优化，实现业务指标提升。\n3.学习前沿论文与把握技术趋势，深入理解底层算法原理，探索实验面向未来的硬核技术，实现核心技术突破和技术创新，发表相关论文。\n\n职位要求\n1.在计算机视觉、自然语言处理、多模态理解、数据分析与挖掘方向有相关项目和产品经验，对其中某一领域算法有深入的研究和应用；\n2.掌握机器学习和深度学习基础知识，熟悉Pytorch、Tensorflow等至少一种深度学习框架，熟悉常用的CV、NLP等主流网络模型；\n3.在多模态预训练学习方向有相关项目和产品经验，对多模态特征的表达和融合、跨模态特征对齐、多任务协同学习算法有深入的研究和应用者优先，有生成式大模型SFT、RLHF相关经验者优先。\n4.有相关竞赛经验者优先并在相关方向国际顶会发表过论文者优先。\n\n在招业务\n阿里国际数字商业集团\n团队介绍：\n我们是阿里巴巴国际数字商业集团-智能技术-商品基础数据算法团队，基于研发电商多模态预训练模型基座，通过多模态商品理解、商品同款匹配、商品属性&标签生产、知识图谱构建、图像搜索等核心技术的持续迭代，为平台沉淀高质量、结构化的商品数据资产和多模态大模型基座。主攻前沿方向：Continual Pre-Training/Post-Training 模型持续优化、SFT 监督微调与用户偏好对齐、RL 强化学习提升推理和决策能力、多模态（文本 + 图像）语义匹配。\n职位描述：\n1.负责研发电商多模态预训练模型基座，抽象并解决商品理解的基础问题使得模型具备业务通识能力，并构建针对大模型幻觉问题、推理能力、模型加速等关键问题的系统性解决方案，提高下游业务的迭代效率和效果上限。\n2.基于多模态预训练大模型，设计和迭代 SFT+RL 训练方案，优化模型语义理解精度，落地商品理解关键场景任务，比如商品类目/属性/标签预测、商品同款、商品图搜等，负责关键场景的端到端全链路优化，实现业务指标提升。\n3.学习前沿论文与把握技术趋势，深入理解底层算法原理，探索实验面向未来的硬核技术，实现核心技术突破和技术创新，发表相关论文。\n1.在计算机视觉、自然语言处理、多模态理解、数据分析与挖掘方向有相关项目和产品经验，对其中某一领域算法有深入的研究和应用；\n2.掌握机器学习和深度学习基础知识，熟悉Pytorch、Tensorflow等至少一种深度学习框架，熟悉常用的CV、NLP等主流网络模型；\n3.在多模态预训练学习方向有相关项目和产品经验，对多模态特征的表达和融合、跨模态特征对齐、多任务协同学习算法有深入的研究和应用者优先，有生成式大模型SFT、RLHF相关经验者优先。\n4.有相关竞赛经验者优先并在相关方向国际顶会发表过论文者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}