主分类：Agent系统开发
辅助：大模型与生成式算法研发（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": "多模态Search Agent研究&应用-阿里星/C-Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "千问事业部",
"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": "计算机科学、人工智能、机器学习或相关领域的硕士或博士学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "你将深度参与到千问VQA场景的优化&探索中，核心专注于提升 SearchAgent 在复杂视觉场景下的理解、推理及反思纠错能力。具体工作包括：\n1、高质量数据工程体系\n设计并构建复杂 Multi-Turn VL Search Trajectory 的数据合成与生产管线，探索自动化数据生成策略，模拟真实用户的复杂多轮搜索需求，构建包括CoT、ToolUse及Reflection路径的高质量训练数据集；\n2、VLM基础的感知/推理能力优化\n针对 Single Step 场景，优化VLM基座模型，显著提升其对复杂图像的理解、推理能力及工具调用的准确性，负责包括MiddleTrain和PostTrain在内的完整的训练阶段优化；\n3、Multi-Turn强化学习策略设计\n主导SearchAgent在Multi-Turn场景下的RL工作，探索&设计创新的RL方式与Reward System，有效激发Agent的自我反思与错误修正能力，提升Agent在长程依赖任务中的决策稳定性；\n4、Agent 架构优化与效率提升\n研究如何在保证检索效果的前提下，极致压缩 Trajectory长度，优化Agent 的搜索策略与规划机制，提升端到端的搜索效率。",
"requirements_text": "1、计算机科学、人工智能、机器学习或相关领域的硕士或博士学位，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构；\n2、在多模态、大模型、计算机视觉、强化学习、Agent等一个或多个领域有较深入的研究；\n3、 具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者；\n4.、拥有强烈的技术热情和好奇心，能够积极应对挑战&持续学习。\n【加分项】\n1、具有优秀的基础算法、扎实的机器学习基础，在CVPR、ECCV、ICCV、NeurIPS、ICLR、ICML、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；\n2、具有优秀的代码能力，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先；\n3、在多模态、大模型、RL方向主导过大影响力项目者优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"强化学习",
"计算机视觉",
"数据结构",
"模型训练",
"解决问题",
"大语言模型"
],
"preferred_qualifications": "【加分项】；1、具有优秀的基础算法、扎实的机器学习基础，在CVPR、ECCV、ICCV、NeurIPS、ICLR、ICML、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；2、具有优秀的代码能力，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先；3、在多模态、大模型、RL方向主导过大影响力项目者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907720035?deptCodes="
}
]
},
"posting": {
"posting_id": "199907720035",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907720035?deptCodes="
},
"fulltext": "多模态Search Agent研究&应用-阿里星/C-Star\n多模态Search Agent研究&应用-阿里星/C-Star\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：杭州\n\n职位描述\n你将深度参与到千问VQA场景的优化&探索中，核心专注于提升 SearchAgent 在复杂视觉场景下的理解、推理及反思纠错能力。具体工作包括：\n1、高质量数据工程体系\n设计并构建复杂 Multi-Turn VL Search Trajectory 的数据合成与生产管线，探索自动化数据生成策略，模拟真实用户的复杂多轮搜索需求，构建包括CoT、ToolUse及Reflection路径的高质量训练数据集；\n2、VLM基础的感知/推理能力优化\n针对 Single Step 场景，优化VLM基座模型，显著提升其对复杂图像的理解、推理能力及工具调用的准确性，负责包括MiddleTrain和PostTrain在内的完整的训练阶段优化；\n3、Multi-Turn强化学习策略设计\n主导SearchAgent在Multi-Turn场景下的RL工作，探索&设计创新的RL方式与Reward System，有效激发Agent的自我反思与错误修正能力，提升Agent在长程依赖任务中的决策稳定性；\n4、Agent 架构优化与效率提升\n研究如何在保证检索效果的前提下，极致压缩 Trajectory长度，优化Agent 的搜索策略与规划机制，提升端到端的搜索效率。\n\n职位要求\n1、计算机科学、人工智能、机器学习或相关领域的硕士或博士学位，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构；\n2、在多模态、大模型、计算机视觉、强化学习、Agent等一个或多个领域有较深入的研究；\n3、 具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者；\n4.、拥有强烈的技术热情和好奇心，能够积极应对挑战&持续学习。\n【加分项】\n1、具有优秀的基础算法、扎实的机器学习基础，在CVPR、ECCV、ICCV、NeurIPS、ICLR、ICML、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；\n2、具有优秀的代码能力，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先；\n3、在多模态、大模型、RL方向主导过大影响力项目者优先。\n\n在招业务\n千问事业部\n你将深度参与到千问VQA场景的优化&探索中，核心专注于提升 SearchAgent 在复杂视觉场景下的理解、推理及反思纠错能力。具体工作包括：\n1、高质量数据工程体系\n设计并构建复杂 Multi-Turn VL Search Trajectory 的数据合成与生产管线，探索自动化数据生成策略，模拟真实用户的复杂多轮搜索需求，构建包括CoT、ToolUse及Reflection路径的高质量训练数据集；\n2、VLM基础的感知/推理能力优化\n针对 Single Step 场景，优化VLM基座模型，显著提升其对复杂图像的理解、推理能力及工具调用的准确性，负责包括MiddleTrain和PostTrain在内的完整的训练阶段优化；\n3、Multi-Turn强化学习策略设计\n主导SearchAgent在Multi-Turn场景下的RL工作，探索&设计创新的RL方式与Reward System，有效激发Agent的自我反思与错误修正能力，提升Agent在长程依赖任务中的决策稳定性；\n4、Agent 架构优化与效率提升\n研究如何在保证检索效果的前提下，极致压缩 Trajectory长度，优化Agent 的搜索策略与规划机制，提升端到端的搜索效率。\n1、计算机科学、人工智能、机器学习或相关领域的硕士或博士学位，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构；\n2、在多模态、大模型、计算机视觉、强化学习、Agent等一个或多个领域有较深入的研究；\n3、 具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者；\n4.、拥有强烈的技术热情和好奇心，能够积极应对挑战&持续学习。\n【加分项】\n1、具有优秀的基础算法、扎实的机器学习基础，在CVPR、ECCV、ICCV、NeurIPS、ICLR、ICML、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；\n2、具有优秀的代码能力，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先；\n3、在多模态、大模型、RL方向主导过大影响力项目者优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}