主分类：大模型与生成式算法研发
辅助：AI训练推理与计算优化（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": "算法工程师-VLM训练",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "千问事业部",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 设计并实现文本、图像、视频等多模态对齐与融合的长程训练策略，操控万卡级 GPU 集群，协同 Pretrain / CPT / SFT / RLVR / RLHF 全链路，对超大参数基座模型进行高效分布式优化；\n2. 深入探索 MoE 稀疏化、训练算法与对齐范式创新、可解释性与质量监控、多模态推理、mRAG、百万 Token 级长文处理、Agent&工具链机制等底层原理与技术；\n3. 与系统团队共建张量并行、流水并行、混合精度等高性能训练框架，持续提升训练吞吐与稳定性；\n4. 学术与行业影响力打造：快速跟踪 NeurIPS / CVPR / ACL 等顶会成果及开源项目，输出专利与论文，树立行业技术标杆。",
"requirements_text": "1. 精通 Python / C++ 等，熟悉深度学习主流框架（如 PyTorch）、混合精度、分布式训练与部署；\n2. 在计算机视觉、跨模态理解或通用 AI 领域具备扎实的研究与落地经验；\n3主导或深度参与过 >10B 参数模型的训练 / 推理优化，并产生显著业务影响；\n4. 在 ACL、CVPR、NeurIPS、ICLR 等顶会发表论文者优先；\n5. 对新技术保持敏锐，能在未知领域迅速学习、实验并产品化。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"计算机视觉"
],
"preferred_qualifications": "4. 在 ACL、CVPR、NeurIPS、ICLR 等顶会发表论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907660024?deptCodes="
}
]
},
"posting": {
"posting_id": "199907660024",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907660024?deptCodes="
},
"fulltext": "算法工程师-VLM训练\n算法工程师-VLM训练\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：北京 / 杭州\n\n职位描述\n1. 设计并实现文本、图像、视频等多模态对齐与融合的长程训练策略，操控万卡级 GPU 集群，协同 Pretrain / CPT / SFT / RLVR / RLHF 全链路，对超大参数基座模型进行高效分布式优化；\n2. 深入探索 MoE 稀疏化、训练算法与对齐范式创新、可解释性与质量监控、多模态推理、mRAG、百万 Token 级长文处理、Agent&工具链机制等底层原理与技术；\n3. 与系统团队共建张量并行、流水并行、混合精度等高性能训练框架，持续提升训练吞吐与稳定性；\n4. 学术与行业影响力打造：快速跟踪 NeurIPS / CVPR / ACL 等顶会成果及开源项目，输出专利与论文，树立行业技术标杆。\n\n职位要求\n1. 精通 Python / C++ 等，熟悉深度学习主流框架（如 PyTorch）、混合精度、分布式训练与部署；\n2. 在计算机视觉、跨模态理解或通用 AI 领域具备扎实的研究与落地经验；\n3主导或深度参与过 >10B 参数模型的训练 / 推理优化，并产生显著业务影响；\n4. 在 ACL、CVPR、NeurIPS、ICLR 等顶会发表论文者优先；\n5. 对新技术保持敏锐，能在未知领域迅速学习、实验并产品化。\n\n在招业务\n千问事业部\n1. 设计并实现文本、图像、视频等多模态对齐与融合的长程训练策略，操控万卡级 GPU 集群，协同 Pretrain / CPT / SFT / RLVR / RLHF 全链路，对超大参数基座模型进行高效分布式优化；\n2. 深入探索 MoE 稀疏化、训练算法与对齐范式创新、可解释性与质量监控、多模态推理、mRAG、百万 Token 级长文处理、Agent&工具链机制等底层原理与技术；\n3. 与系统团队共建张量并行、流水并行、混合精度等高性能训练框架，持续提升训练吞吐与稳定性；\n4. 学术与行业影响力打造：快速跟踪 NeurIPS / CVPR / ACL 等顶会成果及开源项目，输出专利与论文，树立行业技术标杆。\n1. 精通 Python / C++ 等，熟悉深度学习主流框架（如 PyTorch）、混合精度、分布式训练与部署；\n2. 在计算机视觉、跨模态理解或通用 AI 领域具备扎实的研究与落地经验；\n3主导或深度参与过 >10B 参数模型的训练 / 推理优化，并产生显著业务影响；\n4. 在 ACL、CVPR、NeurIPS、ICLR 等顶会发表论文者优先；\n5. 对新技术保持敏锐，能在未知领域迅速学习、实验并产品化。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}