{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "医疗AI基础大模型技术研究-阿里星",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "阿里巴巴控股集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里巴巴控股集团",
        "company_industry": "电子商务 / 云计算 / 人工智能",
        "company_size": "未披露",
        "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、电子工程、生物医学工程等相关专业的硕士或博士毕业生",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "医学影像（如CT、MRI、超声等）AI识别技术在疾病筛查、诊断和治疗过程中发挥着重要作用。达摩院医疗实验室癌症早筛（例如胰腺癌、胃癌、肝癌等）、影像报告生成、医学图像合成技术（AICG）等领域已有多年积累，相关创新成果发表于Nature Medicine/CVPR/ICLR等领域顶会顶刊。传统医学影像AI模型大多是在专门构建的小数据上训练专有小模型，受限于训练数据量和模型尺寸，此类模型通常泛化性较差无法满足真实世界的多中心需求。近几年大模型的兴起，特别是医疗垂域大模型的出现，为医学影像分析带来了新的机遇。我们期望通过研究医疗影像AI相关的基础模型技术（包括但不限于多模态大模型、基础模型、AIGC生成大模型、Agent智能体、大模型优化等），解决泛癌早筛、影像报告生成、医学影像数据合成、医学影像分析大模型、医疗AI智能体等医疗临床问题。\n1. 负责泛癌筛查大模型、医学影像报告生成大模型、医学影像基础大模型研发，包括医学影像分析大模型、医学影像生成大模型、医疗多模态大模型、大模型训练推理优化等相关工作内容。\n2. 分析业务技术需求，针对真实业务场景设计合理的技术方案与开发路线，通过技术创新和业务验证实现显著的业务价值和效率提升，并产出高质量的学术论文或技术专利。\n3. 持续追踪多模态AI领域的最新技术与发展热点，优化现有技术和系统，提升性能与效率，在实际业务场景中进行验证，形成业内领先的技术服务能力和解决方案体系。\n4. 处理与分析医学影像数据，将数据制备为模型训练可用数据。",
        "requirements_text": "1. 计算机科学、人工智能、电子工程、生物医学工程等相关专业的硕士或博士毕业生。\n2. 精通深度学习、机器学习、计算机视觉、自然语言处理及医学影像处理，熟悉熟悉医疗影像AI模型、大模型预训练、多模态大模型、图像生成、医疗影像AI、训练推理优化等相关课题原理及其应用，能够根据具体问题选择并设计合适的模型和技术方案。\n3. 具备良好的科研能力，曾在国际顶级会议和期刊（如ICLR、ICCV、CVPR、ECCV、NeurIPS、ICML、MICCAI、TPAMI、TMI、MedIA）上发表过高质量论文。\n4. 熟悉主流深度学习框架（如PyTorch、TensorFlow），并具备Transformer、CNN等典型深度学习模型的原理及实现经验。\n5. 熟练掌握编程语言（如Python、C++等），并熟悉LINUX环境的开发与调试。\n6. 具备出色的团队协作精神和沟通能力，自我驱动，抗压能力强，拥有强烈的求知欲和对技术的热情，良好的数据和逻辑分析能力。\n加分项:\n1. 在计算机视觉、多模态学习或者医疗影像AI领域有深入研究，并在相关顶会/期刊（如CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, MICCAI, Nature/Science子刊等）上发表过高水平论文者优先。\n2. 对医疗影像AI技术有深入理解，对医疗影像AI技术、视觉AIGC生成、视觉大模型、Agent智能体、Visual-Language Model及LLMs方面等技术有深入研究者优先。\n3. 有医疗影像（尤其是CT影像）图像处理、自动化标注、报告生成等医疗数据制备及高效利用的经验者优先。\n4. 有高影响力的开源项目或突出技术博客者优先。",
        "skills": [AI生成
            "Python",
            "C++",
            "Linux",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "自然语言处理",
            "计算机视觉",
            "团队协作",
            "沟通能力",
            "分析能力",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "加分项:；1. 在计算机视觉、多模态学习或者医疗影像AI领域有深入研究，并在相关顶会/期刊（如CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, MICCAI, Nature/Science子刊等）上发表过高水平论文者优先；2. 对医疗影像AI技术有深入理解，对医疗影像AI技术、视觉AIGC生成、视觉大模型、Agent智能体、Visual-Language Model及LLMs方面等技术有深入研究者优先；3. 有医疗影像（尤其是CT影像）图像处理、自动化标注、报告生成等医疗数据制备及高效利用的经验者优先；4. 有高影响力的开源项目或突出技术博客者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907780049?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907780049",
        "post_date": "2026-08-03",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907780049?deptCodes="
    },
    "fulltext": "医疗AI基础大模型技术研究-阿里星\n医疗AI基础大模型技术研究-阿里星\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医学影像（如CT、MRI、超声等）AI识别技术在疾病筛查、诊断和治疗过程中发挥着重要作用。达摩院医疗实验室癌症早筛（例如胰腺癌、胃癌、肝癌等）、影像报告生成、医学图像合成技术（AICG）等领域已有多年积累，相关创新成果发表于Nature Medicine/CVPR/ICLR等领域顶会顶刊。传统医学影像AI模型大多是在专门构建的小数据上训练专有小模型，受限于训练数据量和模型尺寸，此类模型通常泛化性较差无法满足真实世界的多中心需求。近几年大模型的兴起，特别是医疗垂域大模型的出现，为医学影像分析带来了新的机遇。我们期望通过研究医疗影像AI相关的基础模型技术（包括但不限于多模态大模型、基础模型、AIGC生成大模型、Agent智能体、大模型优化等），解决泛癌早筛、影像报告生成、医学影像数据合成、医学影像分析大模型、医疗AI智能体等医疗临床问题。\n1. 负责泛癌筛查大模型、医学影像报告生成大模型、医学影像基础大模型研发，包括医学影像分析大模型、医学影像生成大模型、医疗多模态大模型、大模型训练推理优化等相关工作内容。\n2. 分析业务技术需求，针对真实业务场景设计合理的技术方案与开发路线，通过技术创新和业务验证实现显著的业务价值和效率提升，并产出高质量的学术论文或技术专利。\n3. 持续追踪多模态AI领域的最新技术与发展热点，优化现有技术和系统，提升性能与效率，在实际业务场景中进行验证，形成业内领先的技术服务能力和解决方案体系。\n4. 处理与分析医学影像数据，将数据制备为模型训练可用数据。\n\n职位要求\n1. 计算机科学、人工智能、电子工程、生物医学工程等相关专业的硕士或博士毕业生。\n2. 精通深度学习、机器学习、计算机视觉、自然语言处理及医学影像处理，熟悉熟悉医疗影像AI模型、大模型预训练、多模态大模型、图像生成、医疗影像AI、训练推理优化等相关课题原理及其应用，能够根据具体问题选择并设计合适的模型和技术方案。\n3. 具备良好的科研能力，曾在国际顶级会议和期刊（如ICLR、ICCV、CVPR、ECCV、NeurIPS、ICML、MICCAI、TPAMI、TMI、MedIA）上发表过高质量论文。\n4. 熟悉主流深度学习框架（如PyTorch、TensorFlow），并具备Transformer、CNN等典型深度学习模型的原理及实现经验。\n5. 熟练掌握编程语言（如Python、C++等），并熟悉LINUX环境的开发与调试。\n6. 具备出色的团队协作精神和沟通能力，自我驱动，抗压能力强，拥有强烈的求知欲和对技术的热情，良好的数据和逻辑分析能力。\n加分项:\n1. 在计算机视觉、多模态学习或者医疗影像AI领域有深入研究，并在相关顶会/期刊（如CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, MICCAI, Nature/Science子刊等）上发表过高水平论文者优先。\n2. 对医疗影像AI技术有深入理解，对医疗影像AI技术、视觉AIGC生成、视觉大模型、Agent智能体、Visual-Language Model及LLMs方面等技术有深入研究者优先。\n3. 有医疗影像（尤其是CT影像）图像处理、自动化标注、报告生成等医疗数据制备及高效利用的经验者优先。\n4. 有高影响力的开源项目或突出技术博客者优先。\n\n在招业务\n阿里巴巴控股集团\n医学影像（如CT、MRI、超声等）AI识别技术在疾病筛查、诊断和治疗过程中发挥着重要作用。达摩院医疗实验室癌症早筛（例如胰腺癌、胃癌、肝癌等）、影像报告生成、医学图像合成技术（AICG）等领域已有多年积累，相关创新成果发表于Nature Medicine/CVPR/ICLR等领域顶会顶刊。传统医学影像AI模型大多是在专门构建的小数据上训练专有小模型，受限于训练数据量和模型尺寸，此类模型通常泛化性较差无法满足真实世界的多中心需求。近几年大模型的兴起，特别是医疗垂域大模型的出现，为医学影像分析带来了新的机遇。我们期望通过研究医疗影像AI相关的基础模型技术（包括但不限于多模态大模型、基础模型、AIGC生成大模型、Agent智能体、大模型优化等），解决泛癌早筛、影像报告生成、医学影像数据合成、医学影像分析大模型、医疗AI智能体等医疗临床问题。\n1. 负责泛癌筛查大模型、医学影像报告生成大模型、医学影像基础大模型研发，包括医学影像分析大模型、医学影像生成大模型、医疗多模态大模型、大模型训练推理优化等相关工作内容。\n2. 分析业务技术需求，针对真实业务场景设计合理的技术方案与开发路线，通过技术创新和业务验证实现显著的业务价值和效率提升，并产出高质量的学术论文或技术专利。\n3. 持续追踪多模态AI领域的最新技术与发展热点，优化现有技术和系统，提升性能与效率，在实际业务场景中进行验证，形成业内领先的技术服务能力和解决方案体系。\n4. 处理与分析医学影像数据，将数据制备为模型训练可用数据。\n1. 计算机科学、人工智能、电子工程、生物医学工程等相关专业的硕士或博士毕业生。\n2. 精通深度学习、机器学习、计算机视觉、自然语言处理及医学影像处理，熟悉熟悉医疗影像AI模型、大模型预训练、多模态大模型、图像生成、医疗影像AI、训练推理优化等相关课题原理及其应用，能够根据具体问题选择并设计合适的模型和技术方案。\n3. 具备良好的科研能力，曾在国际顶级会议和期刊（如ICLR、ICCV、CVPR、ECCV、NeurIPS、ICML、MICCAI、TPAMI、TMI、MedIA）上发表过高质量论文。\n4. 熟悉主流深度学习框架（如PyTorch、TensorFlow），并具备Transformer、CNN等典型深度学习模型的原理及实现经验。\n5. 熟练掌握编程语言（如Python、C++等），并熟悉LINUX环境的开发与调试。\n6. 具备出色的团队协作精神和沟通能力，自我驱动，抗压能力强，拥有强烈的求知欲和对技术的热情，良好的数据和逻辑分析能力。\n加分项:\n1. 在计算机视觉、多模态学习或者医疗影像AI领域有深入研究，并在相关顶会/期刊（如CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, MICCAI, Nature/Science子刊等）上发表过高水平论文者优先。\n2. 对医疗影像AI技术有深入理解，对医疗影像AI技术、视觉AIGC生成、视觉大模型、Agent智能体、Visual-Language Model及LLMs方面等技术有深入研究者优先。\n3. 有医疗影像（尤其是CT影像）图像处理、自动化标注、报告生成等医疗数据制备及高效利用的经验者优先。\n4. 有高影响力的开源项目或突出技术博客者优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}