{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "智能体化多模态生成模型研究：从系统设计到实践应用-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": "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": "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": "1、探索研究多模态生成大模型的设计与开发，探究高效生成、生成理解统一、多模态理解、强化学习/RLHF后训练和高效数据管线设计等方向；\n2、参与研发多模态生成大模型开发等下一代人工智能核心技术，参与大规模生成基础模型预训练与后训练开发;\n3、负责跟踪和研究多模态生成大模型前沿技术调研、落地、对业务进行优化；\n4、参与图像编辑大模型建设，通过算法创新，不断提升在生图质量、指令理解、图像理解和推理效率等各维度指标，构建具有行业影响力的模型和业务能力；\n5、基于AIGC的可控性编辑，探索如何精准实现内容生成与修改，满足多样化的业务需求。",
        "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；\n2、在扩散模型、自回归模型、多模态生成理解、计算机视觉、NLP、AIGC、计算机图形学、机器学习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、能够积极创新， 乐于面对挑战， 负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进步。\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；\n4、在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先；\n5、具有R1、Diffusion、MoE、DPO和RLHF在生成模型中应用经验优先；\n6、具有deepspeed，megatron和FSDP使用和开发经验同学优先；\n7、具有多模态生成模型训练经验，熟悉数据管线、预训练和后训练相关方向优先；\n8、在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。",
        "skills": [AI生成
            "机器学习",
            "自然语言处理",
            "计算机视觉",
            "模型训练",
            "团队协作",
            "解决问题",
            "渲染",
            "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；4、在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先；5、具有R1、Diffusion、MoE、DPO和RLHF在生成模型中应用经验优先；6、具有deepspeed，megatron和FSDP使用和开发经验同学优先；7、具有多模态生成模型训练经验，熟悉数据管线、预训练和后训练相关方向优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907740030?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907740030",
        "post_date": "2026-08-13",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907740030?deptCodes="
    },
    "fulltext": "智能体化多模态生成模型研究：从系统设计到实践应用-阿里星/C-Star\n智能体化多模态生成模型研究：从系统设计到实践应用-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：北京 / 杭州 / 上海\n\n职位描述\n1、探索研究多模态生成大模型的设计与开发，探究高效生成、生成理解统一、多模态理解、强化学习/RLHF后训练和高效数据管线设计等方向；\n2、参与研发多模态生成大模型开发等下一代人工智能核心技术，参与大规模生成基础模型预训练与后训练开发;\n3、负责跟踪和研究多模态生成大模型前沿技术调研、落地、对业务进行优化；\n4、参与图像编辑大模型建设，通过算法创新，不断提升在生图质量、指令理解、图像理解和推理效率等各维度指标，构建具有行业影响力的模型和业务能力；\n5、基于AIGC的可控性编辑，探索如何精准实现内容生成与修改，满足多样化的业务需求。\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；\n2、在扩散模型、自回归模型、多模态生成理解、计算机视觉、NLP、AIGC、计算机图形学、机器学习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、能够积极创新， 乐于面对挑战， 负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进步。\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；\n4、在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先；\n5、具有R1、Diffusion、MoE、DPO和RLHF在生成模型中应用经验优先；\n6、具有deepspeed，megatron和FSDP使用和开发经验同学优先；\n7、具有多模态生成模型训练经验，熟悉数据管线、预训练和后训练相关方向优先；\n8、在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。\n\n在招业务\n千问事业部\n1、探索研究多模态生成大模型的设计与开发，探究高效生成、生成理解统一、多模态理解、强化学习/RLHF后训练和高效数据管线设计等方向；\n2、参与研发多模态生成大模型开发等下一代人工智能核心技术，参与大规模生成基础模型预训练与后训练开发;\n3、负责跟踪和研究多模态生成大模型前沿技术调研、落地、对业务进行优化；\n4、参与图像编辑大模型建设，通过算法创新，不断提升在生图质量、指令理解、图像理解和推理效率等各维度指标，构建具有行业影响力的模型和业务能力；\n5、基于AIGC的可控性编辑，探索如何精准实现内容生成与修改，满足多样化的业务需求。\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；\n2、在扩散模型、自回归模型、多模态生成理解、计算机视觉、NLP、AIGC、计算机图形学、机器学习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、能够积极创新， 乐于面对挑战， 负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进步。\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；\n4、在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先；\n5、具有R1、Diffusion、MoE、DPO和RLHF在生成模型中应用经验优先；\n6、具有deepspeed，megatron和FSDP使用和开发经验同学优先；\n7、具有多模态生成模型训练经验，熟悉数据管线、预训练和后训练相关方向优先；\n8、在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}