主分类：大模型与生成式算法研发
辅助：Agent系统开发（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": "ATH MaaS大模型&智能体前沿算法研究-阿里星/A Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、软件工程、数学等相关学历背景优秀硕士/博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "深入参与 Alibaba Token Hub 事业群 MaaS 业务（Model as a Service）的核心算法研发，以最前沿的技术驱动顶层业务创新，定义下一代 AI-Native 交互范式。结合阿里云真实业务场景，我们围绕大模型、智能体、全模态等核心能力，打造国际领先的AI服务与应用能。在这里，你的工作不仅是应用技术，更是突破技术天花板。具体工作内容包括但不限于：\n1、攻坚前沿智能体架构与自演进技术：面向真实应用场景，负责研发基于业务数据和环境的 Agentic RL 训练、Agentic Framework 设计、Agentic Infra 优化，持续突破智能体在真实、长程、复杂任务中的多步拆解、动态规划与工具调用能力；同时支撑AI搜索、AI客服、AI视频生成等场景的云产品核心能力迭代；\n2、主导针对挑战性难题的大模型优化：深入理解电商、教育、金融等垂直行业，依托阿里强大的基座模型（包括文本、语音、全模态大模型），开展后训练全链路优化（数据-训练-评测），攻坚大模型在关键领域、核心指标上的能力提升以及泛化性增强，构建高商业价值的行业解决方案；\n3、定义新基准并反哺基座模型：从海量、高价值的真实业务场景中，抽象评测基准、沉淀高质量数据、升级训练范式，深度融合至阿里基座模型的迭代闭环中，从根本上提升大模型在复杂真实世界中的表现与决策胜率；\n4、引领全球学术前沿与开源技术生态：持续跟踪AI领域的技术趋势，主导技术创新并转化为核心业务驱动力，确保大模型与智能体具备卓越的性能表现，通过高质量论文与开源项目，持续巩固和扩大团队在 AI 领域的技术影响力。",
"requirements_text": "1、计算机、人工智能、软件工程、数学等相关学历背景优秀硕士/博士，在机器学习、自然语言处理、语音信号处理、信息检索、多模态建模等领域具备扎实的基础理论； \n2、具备优秀的代码能力，精通主流深度学习框架、分布式训练及模型推理加速；有大模型、智能体、语音大模型、多模态大模型等代码实现、模型训练和系统落地经验；\n3、具备微调、偏好优化、强化学习等大模型后训练经验，能够通过数据构造、训练策略设计和实验分析持续提升模型效果；\n4、具备出色的科研素养，在NeurIPS/ICML/ICLR/ACL/EMNLP/ICASSP等AI领域顶级会议上发表相关论文3篇及以上；\n5、具备良好的沟通协作与项目推进能力，对面向真实场景的AI应用有热情，期待掌握将复杂算法逻辑转化为解决实际商业问题方案的能力；\n6、加分项：参加知名学术比赛、数学建模竞赛并取得优秀成绩；在AI领域顶会上获得最佳/杰出论文；在全模态理解、深度搜索、端到端语音交互、AutoResearch等前沿方向有深入实践、开源贡献或高影响力研究成果。",
"skills": [AI生成
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"模型训练",
"信号处理",
"项目推进",
"建模",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "6、加分项：参加知名学术比赛、数学建模竞赛并取得优秀成绩",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907740114?deptCodes="
}
]
},
"posting": {
"posting_id": "199907740114",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907740114?deptCodes="
},
"fulltext": "ATH MaaS大模型&智能体前沿算法研究-阿里星/A Star\nATH MaaS大模型&智能体前沿算法研究-阿里星/A 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\n\n职位描述\n深入参与 Alibaba Token Hub 事业群 MaaS 业务（Model as a Service）的核心算法研发，以最前沿的技术驱动顶层业务创新，定义下一代 AI-Native 交互范式。结合阿里云真实业务场景，我们围绕大模型、智能体、全模态等核心能力，打造国际领先的AI服务与应用能。在这里，你的工作不仅是应用技术，更是突破技术天花板。具体工作内容包括但不限于：\n1、攻坚前沿智能体架构与自演进技术：面向真实应用场景，负责研发基于业务数据和环境的 Agentic RL 训练、Agentic Framework 设计、Agentic Infra 优化，持续突破智能体在真实、长程、复杂任务中的多步拆解、动态规划与工具调用能力；同时支撑AI搜索、AI客服、AI视频生成等场景的云产品核心能力迭代；\n2、主导针对挑战性难题的大模型优化：深入理解电商、教育、金融等垂直行业，依托阿里强大的基座模型（包括文本、语音、全模态大模型），开展后训练全链路优化（数据-训练-评测），攻坚大模型在关键领域、核心指标上的能力提升以及泛化性增强，构建高商业价值的行业解决方案；\n3、定义新基准并反哺基座模型：从海量、高价值的真实业务场景中，抽象评测基准、沉淀高质量数据、升级训练范式，深度融合至阿里基座模型的迭代闭环中，从根本上提升大模型在复杂真实世界中的表现与决策胜率；\n4、引领全球学术前沿与开源技术生态：持续跟踪AI领域的技术趋势，主导技术创新并转化为核心业务驱动力，确保大模型与智能体具备卓越的性能表现，通过高质量论文与开源项目，持续巩固和扩大团队在 AI 领域的技术影响力。\n\n职位要求\n1、计算机、人工智能、软件工程、数学等相关学历背景优秀硕士/博士，在机器学习、自然语言处理、语音信号处理、信息检索、多模态建模等领域具备扎实的基础理论； \n2、具备优秀的代码能力，精通主流深度学习框架、分布式训练及模型推理加速；有大模型、智能体、语音大模型、多模态大模型等代码实现、模型训练和系统落地经验；\n3、具备微调、偏好优化、强化学习等大模型后训练经验，能够通过数据构造、训练策略设计和实验分析持续提升模型效果；\n4、具备出色的科研素养，在NeurIPS/ICML/ICLR/ACL/EMNLP/ICASSP等AI领域顶级会议上发表相关论文3篇及以上；\n5、具备良好的沟通协作与项目推进能力，对面向真实场景的AI应用有热情，期待掌握将复杂算法逻辑转化为解决实际商业问题方案的能力；\n6、加分项：参加知名学术比赛、数学建模竞赛并取得优秀成绩；在AI领域顶会上获得最佳/杰出论文；在全模态理解、深度搜索、端到端语音交互、AutoResearch等前沿方向有深入实践、开源贡献或高影响力研究成果。\n\n在招业务\n阿里云\n深入参与 Alibaba Token Hub 事业群 MaaS 业务（Model as a Service）的核心算法研发，以最前沿的技术驱动顶层业务创新，定义下一代 AI-Native 交互范式。结合阿里云真实业务场景，我们围绕大模型、智能体、全模态等核心能力，打造国际领先的AI服务与应用能。在这里，你的工作不仅是应用技术，更是突破技术天花板。具体工作内容包括但不限于：\n1、攻坚前沿智能体架构与自演进技术：面向真实应用场景，负责研发基于业务数据和环境的 Agentic RL 训练、Agentic Framework 设计、Agentic Infra 优化，持续突破智能体在真实、长程、复杂任务中的多步拆解、动态规划与工具调用能力；同时支撑AI搜索、AI客服、AI视频生成等场景的云产品核心能力迭代；\n2、主导针对挑战性难题的大模型优化：深入理解电商、教育、金融等垂直行业，依托阿里强大的基座模型（包括文本、语音、全模态大模型），开展后训练全链路优化（数据-训练-评测），攻坚大模型在关键领域、核心指标上的能力提升以及泛化性增强，构建高商业价值的行业解决方案；\n3、定义新基准并反哺基座模型：从海量、高价值的真实业务场景中，抽象评测基准、沉淀高质量数据、升级训练范式，深度融合至阿里基座模型的迭代闭环中，从根本上提升大模型在复杂真实世界中的表现与决策胜率；\n4、引领全球学术前沿与开源技术生态：持续跟踪AI领域的技术趋势，主导技术创新并转化为核心业务驱动力，确保大模型与智能体具备卓越的性能表现，通过高质量论文与开源项目，持续巩固和扩大团队在 AI 领域的技术影响力。\n1、计算机、人工智能、软件工程、数学等相关学历背景优秀硕士/博士，在机器学习、自然语言处理、语音信号处理、信息检索、多模态建模等领域具备扎实的基础理论； \n2、具备优秀的代码能力，精通主流深度学习框架、分布式训练及模型推理加速；有大模型、智能体、语音大模型、多模态大模型等代码实现、模型训练和系统落地经验；\n3、具备微调、偏好优化、强化学习等大模型后训练经验，能够通过数据构造、训练策略设计和实验分析持续提升模型效果；\n4、具备出色的科研素养，在NeurIPS/ICML/ICLR/ACL/EMNLP/ICASSP等AI领域顶级会议上发表相关论文3篇及以上；\n5、具备良好的沟通协作与项目推进能力，对面向真实场景的AI应用有热情，期待掌握将复杂算法逻辑转化为解决实际商业问题方案的能力；\n6、加分项：参加知名学术比赛、数学建模竞赛并取得优秀成绩；在AI领域顶会上获得最佳/杰出论文；在全模态理解、深度搜索、端到端语音交互、AutoResearch等前沿方向有深入实践、开源贡献或高影响力研究成果。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}