主分类：大模型与生成式算法研发
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": "算法工程师-大模型预训练 (Pre-training)",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "Token Foundry",
"location": "北京 / 杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "10000人以上",
"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 大规模预训练数据合成技术探索、STEM & reasoning 优化、长尾知识优化、精品数据挖掘过滤、自然数据 scaling、长文本优化、面向test-time scaling的数据优化；\n2. 新型预训练损失函数探索、遗忘对抗与持续学习、optimizer 优化、lr scheduler 优化、课程学习、scaling law预测、超参优化；\n3. 新型模型结构探索、模型可解释性、MoE 优化、参数扩展与裁剪蒸馏、线性注意力、动态稀疏注意力、draft model优化、动态计算优化、KV cache压缩、长序列优化、decoding 加速等。",
"requirements_text": "1. 本科及以上学历，计算机科学、人工智能、机器学习能等相关专业优先；\n2. 模型结构优化探索：MoE 优化、参数扩展与裁剪蒸馏、线性注意力、稀疏注意力、位置编码改进、多模态模型结构优化、动态计算优化、KV cache压缩、长序列优化、draft model 优化、decoding 加速等；\n3. 训练优化理论与策略探索：训练稳定性优化、optimizer 优化、lr scheduler 优化、scaling law 预测、超参优化、预训练损失函数探索、遗忘对抗与持续学习、模型可解释性、课程学习等；\n4. 具备独立思考能力和系统性研究思维，具备较强的动手能力，敢于挑战现有范式，能够独立应用技术解决复杂问题。",
"skills": [AI生成
"机器学习"
],
"preferred_qualifications": "1. 本科及以上学历，计算机科学、人工智能、机器学习能等相关专业优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907800035?deptCodes="
}
]
},
"posting": {
"posting_id": "199907800035",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907800035?deptCodes="
},
"fulltext": "算法工程师-大模型预训练 (Pre-training)\n算法工程师-大模型预训练 (Pre-training)\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 / 上海\n\n职位描述\n1. 大规模预训练数据合成技术探索、STEM & reasoning 优化、长尾知识优化、精品数据挖掘过滤、自然数据 scaling、长文本优化、面向test-time scaling的数据优化；\n2. 新型预训练损失函数探索、遗忘对抗与持续学习、optimizer 优化、lr scheduler 优化、课程学习、scaling law预测、超参优化；\n3. 新型模型结构探索、模型可解释性、MoE 优化、参数扩展与裁剪蒸馏、线性注意力、动态稀疏注意力、draft model优化、动态计算优化、KV cache压缩、长序列优化、decoding 加速等。\n\n职位要求\n1. 本科及以上学历，计算机科学、人工智能、机器学习能等相关专业优先；\n2. 模型结构优化探索：MoE 优化、参数扩展与裁剪蒸馏、线性注意力、稀疏注意力、位置编码改进、多模态模型结构优化、动态计算优化、KV cache压缩、长序列优化、draft model 优化、decoding 加速等；\n3. 训练优化理论与策略探索：训练稳定性优化、optimizer 优化、lr scheduler 优化、scaling law 预测、超参优化、预训练损失函数探索、遗忘对抗与持续学习、模型可解释性、课程学习等；\n4. 具备独立思考能力和系统性研究思维，具备较强的动手能力，敢于挑战现有范式，能够独立应用技术解决复杂问题。\n\n在招业务\nToken Foundry\n1. 大规模预训练数据合成技术探索、STEM & reasoning 优化、长尾知识优化、精品数据挖掘过滤、自然数据 scaling、长文本优化、面向test-time scaling的数据优化；\n2. 新型预训练损失函数探索、遗忘对抗与持续学习、optimizer 优化、lr scheduler 优化、课程学习、scaling law预测、超参优化；\n3. 新型模型结构探索、模型可解释性、MoE 优化、参数扩展与裁剪蒸馏、线性注意力、动态稀疏注意力、draft model优化、动态计算优化、KV cache压缩、长序列优化、decoding 加速等。\n1. 本科及以上学历，计算机科学、人工智能、机器学习能等相关专业优先；\n2. 模型结构优化探索：MoE 优化、参数扩展与裁剪蒸馏、线性注意力、稀疏注意力、位置编码改进、多模态模型结构优化、动态计算优化、KV cache压缩、长序列优化、draft model 优化、decoding 加速等；\n3. 训练优化理论与策略探索：训练稳定性优化、optimizer 优化、lr scheduler 优化、scaling law 预测、超参优化、预训练损失函数探索、遗忘对抗与持续学习、模型可解释性、课程学习等；\n4. 具备独立思考能力和系统性研究思维，具备较强的动手能力，敢于挑战现有范式，能够独立应用技术解决复杂问题。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}