主分类：计算机视觉与图像感知算法研发
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-流式音视频理解系统的构建和优化",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"location": "北京 / 杭州 / 上海",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责流式音视频理解的前沿算法研究、实现与优化，重点攻克音视频联合增强、跨模态交互、流式分析等关键任务。\n2.探索音视频数据集的构建与处理，需涵盖事件定位、过程描述、情感分析、主题概括等不同类型任务，探索数据增强策略，并建设高效的数据生产、标注和评估 pipeline。\n3.具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解等新方向，并提出创新算法或方案，推动学术前沿发展。",
"requirements_text": "1.硕士及以上学历，计算机、人工智能、电子、机器人等相关专业。\n2.在计算机视觉、多模态、机器学习等一个或多个领域有深入的研究者。\n3.深入理解深度学习、计算机视觉和自然语言处理基础知识，对VLM/MLLM模型原理有清晰认识。\n4.具备良好的团队合作精神和沟通能力，对解决富有挑战性的技术问题有浓厚兴趣。\n加分项：\n1.拥有在ICLR、CVPR、ICCV、ECCV、NeurIPS、ICML等顶级会议或期刊上发表论文的经历。\n2.具备优秀代码能力，有ACM、NOI/IOI等比赛获奖者。\n3.在多模态大模型、大语言模型、强化学习等领域主导或参与过重大影响力项目者。",
"skills": [AI生成
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"计算机视觉",
"团队协作",
"沟通能力",
"大语言模型"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199905760005?deptCodes="
}
]
},
"posting": {
"posting_id": "199905760005",
"post_date": "2026-07-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199905760005?deptCodes="
},
"fulltext": "研究型实习生-流式音视频理解系统的构建和优化\n研究型实习生-流式音视频理解系统的构建和优化\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2032-11-30\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 / 上海\n\n职位描述\n1.负责流式音视频理解的前沿算法研究、实现与优化，重点攻克音视频联合增强、跨模态交互、流式分析等关键任务。\n2.探索音视频数据集的构建与处理，需涵盖事件定位、过程描述、情感分析、主题概括等不同类型任务，探索数据增强策略，并建设高效的数据生产、标注和评估 pipeline。\n3.具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解等新方向，并提出创新算法或方案，推动学术前沿发展。\n\n职位要求\n1.硕士及以上学历，计算机、人工智能、电子、机器人等相关专业。\n2.在计算机视觉、多模态、机器学习等一个或多个领域有深入的研究者。\n3.深入理解深度学习、计算机视觉和自然语言处理基础知识，对VLM/MLLM模型原理有清晰认识。\n4.具备良好的团队合作精神和沟通能力，对解决富有挑战性的技术问题有浓厚兴趣。\n加分项：\n1.拥有在ICLR、CVPR、ICCV、ECCV、NeurIPS、ICML等顶级会议或期刊上发表论文的经历。\n2.具备优秀代码能力，有ACM、NOI/IOI等比赛获奖者。\n3.在多模态大模型、大语言模型、强化学习等领域主导或参与过重大影响力项目者。\n\n在招业务\nToken Foundry\n1.负责流式音视频理解的前沿算法研究、实现与优化，重点攻克音视频联合增强、跨模态交互、流式分析等关键任务。\n2.探索音视频数据集的构建与处理，需涵盖事件定位、过程描述、情感分析、主题概括等不同类型任务，探索数据增强策略，并建设高效的数据生产、标注和评估 pipeline。\n3.具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解等新方向，并提出创新算法或方案，推动学术前沿发展。\n1.硕士及以上学历，计算机、人工智能、电子、机器人等相关专业。\n2.在计算机视觉、多模态、机器学习等一个或多个领域有深入的研究者。\n3.深入理解深度学习、计算机视觉和自然语言处理基础知识，对VLM/MLLM模型原理有清晰认识。\n4.具备良好的团队合作精神和沟通能力，对解决富有挑战性的技术问题有浓厚兴趣。\n加分项：\n1.拥有在ICLR、CVPR、ICCV、ECCV、NeurIPS、ICML等顶级会议或期刊上发表论文的经历。\n2.具备优秀代码能力，有ACM、NOI/IOI等比赛获奖者。\n3.在多模态大模型、大语言模型、强化学习等领域主导或参与过重大影响力项目者。",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}