职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:199907780112

研究型实习生-多模态算法-Accio Work

未披露 · 杭州 · 阿里国际数字商业集团

主分类:大模型与生成式算法研发
算法与数据
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": "研究型实习生-多模态算法-Accio Work",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "阿里国际数字商业集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里国际数字商业集团",
        "company_industry": "跨境电商",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "阿里国际数字商业业务涉及国际电商平台及跨境商品交易。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "团队介绍:\nAccio 是一个追求极致的 AI Native Agent 产品/团队。我们不只是在做工具,而是在重塑人机交互的未来。在这里,我们为你提供充足的计算资源(H100/B200 集群支持)、深厚的研究氛围,以及由师兄(AI PhD & 顶会常客)亲自带队的指导。\n项目介绍:\n本项目旨在通过 RL 与其它后训练方法,优化 VLM 的多模态理解能力,解决包括但不限于 VLM tool use,Multi-image 理解等问题。\n岗位职责:\n1、大规模后训练实践: 参与构建多模态训练数据及benchmark,利用分布式训练框架(如 Megatron-LM, verl)进行大规模模型调优;\n2、算法研究与优化: 探索VLM的前沿算法,产出 Novelty 和实用性兼具的工作;\n3、前沿追踪:跟进最新的学术工作,逐步养成比较好的技术品味。",
        "requirements_text": "1、2027年11月及之后毕业,硕士及以上学历,计算机、人工智能、信息科学、数学、软件工程等相关专业优先;\n2、背景: 计算机、数学或相关专业在读(硕士/博士优先),熟悉大模型训练流程;\n3、技术栈: 熟悉 PyTorch,对 Megatron,Deepspeed 等分布式框架和分布式并行策略(TP/PP/DP/CP)有实操经验;\n4、良好的论文阅读与工程实现能力,希望在顶会(NeurIPS, ICLR, CVPR)发表过高影响力工作。",
        "skills": [AI生成
            "PyTorch",
            "模型训练",
            "大语言模型"
        ],
        "preferred_qualifications": "1、2027年11月及之后毕业,硕士及以上学历,计算机、人工智能、信息科学、数学、软件工程等相关专业优先;2、背景: 计算机、数学或相关专业在读(硕士/博士优先),熟悉大模型训练流程",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907780112?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907780112",
        "post_date": "2026-07-21",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907780112?deptCodes="
    },
    "fulltext": "研究型实习生-多模态算法-Accio Work\n研究型实习生-多模态算法-Accio Work\n\n基础信息\n毕业起止时间要求:2027-11-01 - 2030-12-31\n职位类别:技术类\n招聘项目:阿里巴巴研究型实习生\n工作地点:杭州\n\n职位描述\n团队介绍:\nAccio 是一个追求极致的 AI Native Agent 产品/团队。我们不只是在做工具,而是在重塑人机交互的未来。在这里,我们为你提供充足的计算资源(H100/B200 集群支持)、深厚的研究氛围,以及由师兄(AI PhD & 顶会常客)亲自带队的指导。\n项目介绍:\n本项目旨在通过 RL 与其它后训练方法,优化 VLM 的多模态理解能力,解决包括但不限于 VLM tool use,Multi-image 理解等问题。\n岗位职责:\n1、大规模后训练实践: 参与构建多模态训练数据及benchmark,利用分布式训练框架(如 Megatron-LM, verl)进行大规模模型调优;\n2、算法研究与优化: 探索VLM的前沿算法,产出 Novelty 和实用性兼具的工作;\n3、前沿追踪:跟进最新的学术工作,逐步养成比较好的技术品味。\n\n职位要求\n1、2027年11月及之后毕业,硕士及以上学历,计算机、人工智能、信息科学、数学、软件工程等相关专业优先;\n2、背景: 计算机、数学或相关专业在读(硕士/博士优先),熟悉大模型训练流程;\n3、技术栈: 熟悉 PyTorch,对 Megatron,Deepspeed 等分布式框架和分布式并行策略(TP/PP/DP/CP)有实操经验;\n4、良好的论文阅读与工程实现能力,希望在顶会(NeurIPS, ICLR, CVPR)发表过高影响力工作。\n\n在招业务\n阿里国际数字商业集团\n团队介绍:\nAccio 是一个追求极致的 AI Native Agent 产品/团队。我们不只是在做工具,而是在重塑人机交互的未来。在这里,我们为你提供充足的计算资源(H100/B200 集群支持)、深厚的研究氛围,以及由师兄(AI PhD & 顶会常客)亲自带队的指导。\n项目介绍:\n本项目旨在通过 RL 与其它后训练方法,优化 VLM 的多模态理解能力,解决包括但不限于 VLM tool use,Multi-image 理解等问题。\n岗位职责:\n1、大规模后训练实践: 参与构建多模态训练数据及benchmark,利用分布式训练框架(如 Megatron-LM, verl)进行大规模模型调优;\n2、算法研究与优化: 探索VLM的前沿算法,产出 Novelty 和实用性兼具的工作;\n3、前沿追踪:跟进最新的学术工作,逐步养成比较好的技术品味。\n1、2027年11月及之后毕业,硕士及以上学历,计算机、人工智能、信息科学、数学、软件工程等相关专业优先;\n2、背景: 计算机、数学或相关专业在读(硕士/博士优先),熟悉大模型训练流程;\n3、技术栈: 熟悉 PyTorch,对 Megatron,Deepspeed 等分布式框架和分布式并行策略(TP/PP/DP/CP)有实操经验;\n4、良好的论文阅读与工程实现能力,希望在顶会(NeurIPS, ICLR, CVPR)发表过高影响力工作。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}