主分类：Agent系统开发
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": "阿里云终端智能计算Agentic算法-阿里星/A Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云",
"location": "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": "博士学历优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "本岗位主打多端Agentic智能算法全栈研发，打通大模型算法、强化学习、端侧部署、数据闭环、多终端操控技术，覆盖AI PC、云电脑、云手机全终端场景，落地Computer Use、Browser Use、Mobile Use、具身智能等前沿Agent能力，构建可自主决策、持续进化的终端智能体生态。\n1. 端侧大模型优化与端云协同研发\n负责AI PC、云电脑、云手机端侧大模型的推理优化、量化压缩、轻量化适配、动态调度算法研发；探索大小模型协同架构，构建云端大模型决策、端侧小模型执行的分层智能范式，解决终端算力受限、延迟敏感、离线可用等核心痛点，实现端云模型能力的高效联动与极致性能。\n2. 多端Agentic核心算法攻坚\n主导终端场景通用智能体算法研发，聚焦Agent自主规划、工具调用、记忆迭代、任务拆解、多轮决策核心技术；深耕Agentic RL智能体强化学习，针对多终端复杂交互场景，优化智能体自主探索、试错学习、自适应决策能力，提升终端Agent自动化、通用化、鲁棒性水平。\n3. 全场景自动化智能体落地\n负责研发Computer Use（电脑通用操控）、Browser Use（浏览器自动化）、Mobile Use（移动端操控）、具身智能等多品类终端Agent算法；打通系统层级自动化交互能力，实现云电脑、云手机、AI PC全场景无人值守、自主操作、智能运维，定义下一代终端自动化交互标准。\n4. 智能体数据飞轮体系搭建\n构建多端Agent专属数据采集、清洗、筛选、蒸馏、迭代闭环，设计自动化数据生产、负样本挖掘、高质量轨迹合成算法；依托真实终端交互数据，搭建数据-模型-智能体正向飞轮，持续迭代优化Agent决策精度、任务成功率、复杂场景适配能力。\n5. 前沿技术探索与技术体系沉淀\n跟踪国际Agentic AI、端侧大模型、具身智能、通用人工智能前沿研究，结合阿里云终端业务场景开展原创性算法创新；输出顶会论文、核心专利、技术标准，沉淀可规模化的多端智能体算法底座，支撑全系终端智能产品商业化落地。",
"requirements_text": "学历背景：2027届海内外应届毕业生，博士学历优先，或硕士期间有突出科研成果者。计算机、人工智能、数学、统计学等相关专业。\n科研能力：\n1. 在 AI 顶级会议（NeurIPS/ICML/CVPR/ACL/ICLR 等）以第一作者身份发表过高水平论文。\n2. 在 LLM、RL、Multimodal、Agent 任一方向有深入的研究积累。\n3. 有 GitHub 高星开源项目或顶级 AI 竞赛（Kaggle Grandmaster 等）获奖经历者优先。\n能力要求\n1. 算法基础扎实：精通Transformer、大模型微调、量化压缩、模型蒸馏、强化学习（PPO、SAC、DQN等）、模仿学习、轨迹优化等核心算法；熟悉智能体规划、ReAct、CoT、记忆机制、工具调用等Agent核心技术栈。\n2. 场景经验匹配：有端侧模型优化、大模型Agent、自动化操控智能体、具身智能、多端交互任意方向科研或项目经验；熟悉Computer Use、Browser Use、Mobile Use、终端自动化任务优先。\n3. 工程落地能力：熟练使用PyTorch/TensorFlow框架，掌握模型训练、微调、推理部署全流程；了解端侧推理引擎、模型加速、端云协同调度技术，具备算法落地迭代实战经验。\n4. 科研创新能力：具备独立课题研究、算法设计、问题攻坚能力，在 NeurIPS、ICML、CVPR、ACL 等顶会发表论文，或有高质量开源项目、算法竞赛金奖/顶尖奖项、核心专利者优先。\n5. 综合素质优秀：具备极强的逻辑思维、自主探索能力和技术视野，热爱前沿AI技术，愿意深耕终端Agentic智能方向，具备复杂系统算法迭代和规模化落地思维。\"",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"React",
"强化学习",
"算法设计",
"模型训练",
"模型微调",
"逻辑思维",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "学历背景：2027届海内外应届毕业生，博士学历优先，或硕士期间有突出科研成果者；3. 有 GitHub 高星开源项目或顶级 AI 竞赛（Kaggle Grandmaster 等）获奖经历者优先；熟悉Computer Use、Browser Use、Mobile Use、终端自动化任务优先；4. 科研创新能力：具备独立课题研究、算法设计、问题攻坚能力，在 NeurIPS、ICML、CVPR、ACL 等顶会发表论文，或有高质量开源项目、算法竞赛金奖/顶尖奖项、核心专利者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907780103?deptCodes="
}
]
},
"posting": {
"posting_id": "199907780103",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907780103?deptCodes="
},
"fulltext": "阿里云终端智能计算Agentic算法-阿里星/A Star\n阿里云终端智能计算Agentic算法-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：杭州 / 上海\n\n职位描述\n本岗位主打多端Agentic智能算法全栈研发，打通大模型算法、强化学习、端侧部署、数据闭环、多终端操控技术，覆盖AI PC、云电脑、云手机全终端场景，落地Computer Use、Browser Use、Mobile Use、具身智能等前沿Agent能力，构建可自主决策、持续进化的终端智能体生态。\n1. 端侧大模型优化与端云协同研发\n负责AI PC、云电脑、云手机端侧大模型的推理优化、量化压缩、轻量化适配、动态调度算法研发；探索大小模型协同架构，构建云端大模型决策、端侧小模型执行的分层智能范式，解决终端算力受限、延迟敏感、离线可用等核心痛点，实现端云模型能力的高效联动与极致性能。\n2. 多端Agentic核心算法攻坚\n主导终端场景通用智能体算法研发，聚焦Agent自主规划、工具调用、记忆迭代、任务拆解、多轮决策核心技术；深耕Agentic RL智能体强化学习，针对多终端复杂交互场景，优化智能体自主探索、试错学习、自适应决策能力，提升终端Agent自动化、通用化、鲁棒性水平。\n3. 全场景自动化智能体落地\n负责研发Computer Use（电脑通用操控）、Browser Use（浏览器自动化）、Mobile Use（移动端操控）、具身智能等多品类终端Agent算法；打通系统层级自动化交互能力，实现云电脑、云手机、AI PC全场景无人值守、自主操作、智能运维，定义下一代终端自动化交互标准。\n4. 智能体数据飞轮体系搭建\n构建多端Agent专属数据采集、清洗、筛选、蒸馏、迭代闭环，设计自动化数据生产、负样本挖掘、高质量轨迹合成算法；依托真实终端交互数据，搭建数据-模型-智能体正向飞轮，持续迭代优化Agent决策精度、任务成功率、复杂场景适配能力。\n5. 前沿技术探索与技术体系沉淀\n跟踪国际Agentic AI、端侧大模型、具身智能、通用人工智能前沿研究，结合阿里云终端业务场景开展原创性算法创新；输出顶会论文、核心专利、技术标准，沉淀可规模化的多端智能体算法底座，支撑全系终端智能产品商业化落地。\n\n职位要求\n学历背景：2027届海内外应届毕业生，博士学历优先，或硕士期间有突出科研成果者。计算机、人工智能、数学、统计学等相关专业。\n科研能力：\n1. 在 AI 顶级会议（NeurIPS/ICML/CVPR/ACL/ICLR 等）以第一作者身份发表过高水平论文。\n2. 在 LLM、RL、Multimodal、Agent 任一方向有深入的研究积累。\n3. 有 GitHub 高星开源项目或顶级 AI 竞赛（Kaggle Grandmaster 等）获奖经历者优先。\n能力要求\n1. 算法基础扎实：精通Transformer、大模型微调、量化压缩、模型蒸馏、强化学习（PPO、SAC、DQN等）、模仿学习、轨迹优化等核心算法；熟悉智能体规划、ReAct、CoT、记忆机制、工具调用等Agent核心技术栈。\n2. 场景经验匹配：有端侧模型优化、大模型Agent、自动化操控智能体、具身智能、多端交互任意方向科研或项目经验；熟悉Computer Use、Browser Use、Mobile Use、终端自动化任务优先。\n3. 工程落地能力：熟练使用PyTorch/TensorFlow框架，掌握模型训练、微调、推理部署全流程；了解端侧推理引擎、模型加速、端云协同调度技术，具备算法落地迭代实战经验。\n4. 科研创新能力：具备独立课题研究、算法设计、问题攻坚能力，在 NeurIPS、ICML、CVPR、ACL 等顶会发表论文，或有高质量开源项目、算法竞赛金奖/顶尖奖项、核心专利者优先。\n5. 综合素质优秀：具备极强的逻辑思维、自主探索能力和技术视野，热爱前沿AI技术，愿意深耕终端Agentic智能方向，具备复杂系统算法迭代和规模化落地思维。\"\n\n在招业务\n阿里云\n本岗位主打多端Agentic智能算法全栈研发，打通大模型算法、强化学习、端侧部署、数据闭环、多终端操控技术，覆盖AI PC、云电脑、云手机全终端场景，落地Computer Use、Browser Use、Mobile Use、具身智能等前沿Agent能力，构建可自主决策、持续进化的终端智能体生态。\n1. 端侧大模型优化与端云协同研发\n负责AI PC、云电脑、云手机端侧大模型的推理优化、量化压缩、轻量化适配、动态调度算法研发；探索大小模型协同架构，构建云端大模型决策、端侧小模型执行的分层智能范式，解决终端算力受限、延迟敏感、离线可用等核心痛点，实现端云模型能力的高效联动与极致性能。\n2. 多端Agentic核心算法攻坚\n主导终端场景通用智能体算法研发，聚焦Agent自主规划、工具调用、记忆迭代、任务拆解、多轮决策核心技术；深耕Agentic RL智能体强化学习，针对多终端复杂交互场景，优化智能体自主探索、试错学习、自适应决策能力，提升终端Agent自动化、通用化、鲁棒性水平。\n3. 全场景自动化智能体落地\n负责研发Computer Use（电脑通用操控）、Browser Use（浏览器自动化）、Mobile Use（移动端操控）、具身智能等多品类终端Agent算法；打通系统层级自动化交互能力，实现云电脑、云手机、AI PC全场景无人值守、自主操作、智能运维，定义下一代终端自动化交互标准。\n4. 智能体数据飞轮体系搭建\n构建多端Agent专属数据采集、清洗、筛选、蒸馏、迭代闭环，设计自动化数据生产、负样本挖掘、高质量轨迹合成算法；依托真实终端交互数据，搭建数据-模型-智能体正向飞轮，持续迭代优化Agent决策精度、任务成功率、复杂场景适配能力。\n5. 前沿技术探索与技术体系沉淀\n跟踪国际Agentic AI、端侧大模型、具身智能、通用人工智能前沿研究，结合阿里云终端业务场景开展原创性算法创新；输出顶会论文、核心专利、技术标准，沉淀可规模化的多端智能体算法底座，支撑全系终端智能产品商业化落地。\n学历背景：2027届海内外应届毕业生，博士学历优先，或硕士期间有突出科研成果者。计算机、人工智能、数学、统计学等相关专业。\n科研能力：\n1. 在 AI 顶级会议（NeurIPS/ICML/CVPR/ACL/ICLR 等）以第一作者身份发表过高水平论文。\n2. 在 LLM、RL、Multimodal、Agent 任一方向有深入的研究积累。\n3. 有 GitHub 高星开源项目或顶级 AI 竞赛（Kaggle Grandmaster 等）获奖经历者优先。\n能力要求\n1. 算法基础扎实：精通Transformer、大模型微调、量化压缩、模型蒸馏、强化学习（PPO、SAC、DQN等）、模仿学习、轨迹优化等核心算法；熟悉智能体规划、ReAct、CoT、记忆机制、工具调用等Agent核心技术栈。\n2. 场景经验匹配：有端侧模型优化、大模型Agent、自动化操控智能体、具身智能、多端交互任意方向科研或项目经验；熟悉Computer Use、Browser Use、Mobile Use、终端自动化任务优先。\n3. 工程落地能力：熟练使用PyTorch/TensorFlow框架，掌握模型训练、微调、推理部署全流程；了解端侧推理引擎、模型加速、端云协同调度技术，具备算法落地迭代实战经验。\n4. 科研创新能力：具备独立课题研究、算法设计、问题攻坚能力，在 NeurIPS、ICML、CVPR、ACL 等顶会发表论文，或有高质量开源项目、算法竞赛金奖/顶尖奖项、核心专利者优先。\n5. 综合素质优秀：具备极强的逻辑思维、自主探索能力和技术视野，热爱前沿AI技术，愿意深耕终端Agentic智能方向，具备复杂系统算法迭代和规模化落地思维。\"",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}