{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "算法工程师-自然语言处理",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "淘天集团 / Token Foundry",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "淘天集团",
        "company_industry": "电子商务",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 紧跟业界最新自然语言处理技术动态，深入研发并努力创新自然语言处理相关的知识库、词法、句法、语义、文档分析、深度学习、机器翻译、智能对话等技术，包括新颖的算法/模型的提出，模块的实际开发，对接自然语言处理平台的接入以及把高水平研发成果以论文/专利等形式进行发布；\n2. 理解自然语言处理技术应用的相关的业务场景及需求，在自然语言处理技术内核的基础上考虑业务场景的特殊性进而适当适配业务需求；\n3. 在核心技术研发之外，也会适当参与到具体的NLP相关业务中，例如文本内容的理解，商业场景的多语言多模态翻译和沟通，搜索Query分析、智能对话的语义解析及意图理解、商品评价的语义理解、内容搜索推荐的结构化分析、商品搜索推荐的标签体系、社会化问答的文本分析、智能客服的场景定制等；\n4. 追踪并转化前沿技术：紧密跟踪大模型（LLM）领域的国际前沿动态，快速实现从论文到代码再到解决方案（Paper→Code→Solution）的技术转化，并有机会将高水平研发成果以论文/专利等形式发布。",
        "requirements_text": "1. 具备极佳的工程实现能力，精通C/C++、Java、Python、Perl等至少一门语言；\n2. 对目前主流的深度学习平台，如tensorflow、pytorch、mxnet等，至少对其中一个有上手经验； \n3. 熟悉深度学习以及常见机器学习算法的原理与算法，能熟练运用聚类、分类、回归、排序等模型解决有挑战性的问题，有大数据处理的实战经验；\n4. 对大模型及前沿NLP技术充满热情，具备强烈的求知欲和攻克复杂技术难题的决心与能力；\n5. 学习能力强，对新事物保有好奇心，并能快速适应新环境，有团队意识，与他人合作良好，最好具有团队协作的经验。\n【加分项】\n1. 精通自然语言处理领域的1到2项底层技术，有实际成果并发表在自然语言处理国际顶级会议、期刊；\n2. 有Qwen、Llama、Deepseek等主流开源大模型的微调、部署或二次开发经验；\n3. 熟悉DeepSpeed、Megatron-LM、PyTorch FSDP等分布式训练技术，具备多机多卡大规模模型训练与优化经验者；\n4. 在相关的自然语言处理竞赛中获得优异成绩。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "自然语言处理",
            "模型训练",
            "团队协作",
            "学习能力",
            "大语言模型"
        ],
        "preferred_qualifications": "【加分项】",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907800033?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907800033",
        "post_date": "2026-08-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907800033?deptCodes="
    },
    "fulltext": "算法工程师-自然语言处理\n算法工程师-自然语言处理\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\n1. 紧跟业界最新自然语言处理技术动态，深入研发并努力创新自然语言处理相关的知识库、词法、句法、语义、文档分析、深度学习、机器翻译、智能对话等技术，包括新颖的算法/模型的提出，模块的实际开发，对接自然语言处理平台的接入以及把高水平研发成果以论文/专利等形式进行发布；\n2. 理解自然语言处理技术应用的相关的业务场景及需求，在自然语言处理技术内核的基础上考虑业务场景的特殊性进而适当适配业务需求；\n3. 在核心技术研发之外，也会适当参与到具体的NLP相关业务中，例如文本内容的理解，商业场景的多语言多模态翻译和沟通，搜索Query分析、智能对话的语义解析及意图理解、商品评价的语义理解、内容搜索推荐的结构化分析、商品搜索推荐的标签体系、社会化问答的文本分析、智能客服的场景定制等；\n4. 追踪并转化前沿技术：紧密跟踪大模型（LLM）领域的国际前沿动态，快速实现从论文到代码再到解决方案（Paper→Code→Solution）的技术转化，并有机会将高水平研发成果以论文/专利等形式发布。\n\n职位要求\n1. 具备极佳的工程实现能力，精通C/C++、Java、Python、Perl等至少一门语言；\n2. 对目前主流的深度学习平台，如tensorflow、pytorch、mxnet等，至少对其中一个有上手经验； \n3. 熟悉深度学习以及常见机器学习算法的原理与算法，能熟练运用聚类、分类、回归、排序等模型解决有挑战性的问题，有大数据处理的实战经验；\n4. 对大模型及前沿NLP技术充满热情，具备强烈的求知欲和攻克复杂技术难题的决心与能力；\n5. 学习能力强，对新事物保有好奇心，并能快速适应新环境，有团队意识，与他人合作良好，最好具有团队协作的经验。\n【加分项】\n1. 精通自然语言处理领域的1到2项底层技术，有实际成果并发表在自然语言处理国际顶级会议、期刊；\n2. 有Qwen、Llama、Deepseek等主流开源大模型的微调、部署或二次开发经验；\n3. 熟悉DeepSpeed、Megatron-LM、PyTorch FSDP等分布式训练技术，具备多机多卡大规模模型训练与优化经验者；\n4. 在相关的自然语言处理竞赛中获得优异成绩。\n\n在招业务\n淘天集团 / Token Foundry\n1. 紧跟业界最新自然语言处理技术动态，深入研发并努力创新自然语言处理相关的知识库、词法、句法、语义、文档分析、深度学习、机器翻译、智能对话等技术，包括新颖的算法/模型的提出，模块的实际开发，对接自然语言处理平台的接入以及把高水平研发成果以论文/专利等形式进行发布；\n2. 理解自然语言处理技术应用的相关的业务场景及需求，在自然语言处理技术内核的基础上考虑业务场景的特殊性进而适当适配业务需求；\n3. 在核心技术研发之外，也会适当参与到具体的NLP相关业务中，例如文本内容的理解，商业场景的多语言多模态翻译和沟通，搜索Query分析、智能对话的语义解析及意图理解、商品评价的语义理解、内容搜索推荐的结构化分析、商品搜索推荐的标签体系、社会化问答的文本分析、智能客服的场景定制等；\n4. 追踪并转化前沿技术：紧密跟踪大模型（LLM）领域的国际前沿动态，快速实现从论文到代码再到解决方案（Paper→Code→Solution）的技术转化，并有机会将高水平研发成果以论文/专利等形式发布。\n1. 具备极佳的工程实现能力，精通C/C++、Java、Python、Perl等至少一门语言；\n2. 对目前主流的深度学习平台，如tensorflow、pytorch、mxnet等，至少对其中一个有上手经验； \n3. 熟悉深度学习以及常见机器学习算法的原理与算法，能熟练运用聚类、分类、回归、排序等模型解决有挑战性的问题，有大数据处理的实战经验；\n4. 对大模型及前沿NLP技术充满热情，具备强烈的求知欲和攻克复杂技术难题的决心与能力；\n5. 学习能力强，对新事物保有好奇心，并能快速适应新环境，有团队意识，与他人合作良好，最好具有团队协作的经验。\n【加分项】\n1. 精通自然语言处理领域的1到2项底层技术，有实际成果并发表在自然语言处理国际顶级会议、期刊；\n2. 有Qwen、Llama、Deepseek等主流开源大模型的微调、部署或二次开发经验；\n3. 熟悉DeepSpeed、Megatron-LM、PyTorch FSDP等分布式训练技术，具备多机多卡大规模模型训练与优化经验者；\n4. 在相关的自然语言处理竞赛中获得优异成绩。",
    "standard_classification": {
        "std_category_code": "T036",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}