主分类：AI训练推理与计算优化
辅助：大模型与生成式算法研发（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": "异构算力下的大模型后训练加速与效果调优-阿里星/A Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云",
"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": "教育背景：计算机/AI/分布式系统等相关专业博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 行业模型后训练算法：跟踪并落地前沿后训练技术：高质量SFT数据工程与课程学习、多阶段对齐（DPO/PPO/GRPO/在线RLHF）、参数高效微调（LoRA/QLoRA/DoRA），针对金融、政务、能源等垂直场景产出可复用的后训练Recipe。\n2. 异构算力适配：针对NVIDIA、昇腾、沐曦、壁仞等不同架构设计后训练统一适配层，进行算子融合与硬件级性能调优，推动训练框架（ms-swift/LLaMA-Factory/DeepSpeed）的多硬件兼容与性能基线建设。\n3. 后训练系统优化：设计面向70B+模型的混合并行策略（DP+TP+PP+SP），优化跨节点通信（梯度压缩、计算通信重叠），实现千卡级后训练任务的弹性伸缩、故障自愈与Checkpoint异步持久化；探索MoE Expert并行与长序列（128K+）后训练系统优化。\n4. 客户支持：将后训练技术封装为平台能力，参与重点项目交付，解决实际后训练中的效率与稳定性问题。",
"requirements_text": "1、教育背景：计算机/AI/分布式系统等相关专业博士。\n2、技术能力：精通Transformer架构与PyTorch源码级开发；有大模型微调或对齐相关研究经历（SFT/RLHF/DPO/KTO/GRPO等至少熟悉一种）；有分布式训练实战经验（DeepSpeed/Megatron/FSDP至少熟悉一种）；了解训练系统优化技术（混合精度、梯度累积、通信优化、显存管理等）。\n3、编程能力：熟练掌握Python，有CUDA/C++高性能计算经验者优先，有自定义算子开发经验者加分。\n4、经验要求 有大模型后训练（SFT/对齐/领域适配）完整项目经验者优先；多硬件适配经验、开源框架贡献（ms-swift/LLaMA-Factory/DeepSpeed/Megatron等）者加分；顶会/顶刊（NeurIPS/ICML/ICLR/ACL/EMNLP/OSDI/ATC等）论文者优先。\n5、其他要求：具备系统性思维和独立解决复杂问题的能力，良好的沟通协作精神，对大模型后训练技术有浓厚兴趣。",
"skills": [AI生成
"Python",
"C++",
"Swift",
"PyTorch",
"CUDA",
"分布式系统",
"模型微调",
"大语言模型"
],
"preferred_qualifications": "3、编程能力：熟练掌握Python，有CUDA/C++高性能计算经验者优先，有自定义算子开发经验者加分；4、经验要求 有大模型后训练（SFT/对齐/领域适配）完整项目经验者优先；多硬件适配经验、开源框架贡献（ms-swift/LLaMA-Factory/DeepSpeed/Megatron等）者加分；顶会/顶刊（NeurIPS/ICML/ICLR/ACL/EMNLP/OSDI/ATC等）论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907820102?deptCodes="
}
]
},
"posting": {
"posting_id": "199907820102",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907820102?deptCodes="
},
"fulltext": "异构算力下的大模型后训练加速与效果调优-阿里星/A Star\n异构算力下的大模型后训练加速与效果调优-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：北京 / 杭州\n\n职位描述\n1. 行业模型后训练算法：跟踪并落地前沿后训练技术：高质量SFT数据工程与课程学习、多阶段对齐（DPO/PPO/GRPO/在线RLHF）、参数高效微调（LoRA/QLoRA/DoRA），针对金融、政务、能源等垂直场景产出可复用的后训练Recipe。\n2. 异构算力适配：针对NVIDIA、昇腾、沐曦、壁仞等不同架构设计后训练统一适配层，进行算子融合与硬件级性能调优，推动训练框架（ms-swift/LLaMA-Factory/DeepSpeed）的多硬件兼容与性能基线建设。\n3. 后训练系统优化：设计面向70B+模型的混合并行策略（DP+TP+PP+SP），优化跨节点通信（梯度压缩、计算通信重叠），实现千卡级后训练任务的弹性伸缩、故障自愈与Checkpoint异步持久化；探索MoE Expert并行与长序列（128K+）后训练系统优化。\n4. 客户支持：将后训练技术封装为平台能力，参与重点项目交付，解决实际后训练中的效率与稳定性问题。\n\n职位要求\n1、教育背景：计算机/AI/分布式系统等相关专业博士。\n2、技术能力：精通Transformer架构与PyTorch源码级开发；有大模型微调或对齐相关研究经历（SFT/RLHF/DPO/KTO/GRPO等至少熟悉一种）；有分布式训练实战经验（DeepSpeed/Megatron/FSDP至少熟悉一种）；了解训练系统优化技术（混合精度、梯度累积、通信优化、显存管理等）。\n3、编程能力：熟练掌握Python，有CUDA/C++高性能计算经验者优先，有自定义算子开发经验者加分。\n4、经验要求 有大模型后训练（SFT/对齐/领域适配）完整项目经验者优先；多硬件适配经验、开源框架贡献（ms-swift/LLaMA-Factory/DeepSpeed/Megatron等）者加分；顶会/顶刊（NeurIPS/ICML/ICLR/ACL/EMNLP/OSDI/ATC等）论文者优先。\n5、其他要求：具备系统性思维和独立解决复杂问题的能力，良好的沟通协作精神，对大模型后训练技术有浓厚兴趣。\n\n在招业务\n阿里云\n1. 行业模型后训练算法：跟踪并落地前沿后训练技术：高质量SFT数据工程与课程学习、多阶段对齐（DPO/PPO/GRPO/在线RLHF）、参数高效微调（LoRA/QLoRA/DoRA），针对金融、政务、能源等垂直场景产出可复用的后训练Recipe。\n2. 异构算力适配：针对NVIDIA、昇腾、沐曦、壁仞等不同架构设计后训练统一适配层，进行算子融合与硬件级性能调优，推动训练框架（ms-swift/LLaMA-Factory/DeepSpeed）的多硬件兼容与性能基线建设。\n3. 后训练系统优化：设计面向70B+模型的混合并行策略（DP+TP+PP+SP），优化跨节点通信（梯度压缩、计算通信重叠），实现千卡级后训练任务的弹性伸缩、故障自愈与Checkpoint异步持久化；探索MoE Expert并行与长序列（128K+）后训练系统优化。\n4. 客户支持：将后训练技术封装为平台能力，参与重点项目交付，解决实际后训练中的效率与稳定性问题。\n1、教育背景：计算机/AI/分布式系统等相关专业博士。\n2、技术能力：精通Transformer架构与PyTorch源码级开发；有大模型微调或对齐相关研究经历（SFT/RLHF/DPO/KTO/GRPO等至少熟悉一种）；有分布式训练实战经验（DeepSpeed/Megatron/FSDP至少熟悉一种）；了解训练系统优化技术（混合精度、梯度累积、通信优化、显存管理等）。\n3、编程能力：熟练掌握Python，有CUDA/C++高性能计算经验者优先，有自定义算子开发经验者加分。\n4、经验要求 有大模型后训练（SFT/对齐/领域适配）完整项目经验者优先；多硬件适配经验、开源框架贡献（ms-swift/LLaMA-Factory/DeepSpeed/Megatron等）者加分；顶会/顶刊（NeurIPS/ICML/ICLR/ACL/EMNLP/OSDI/ATC等）论文者优先。\n5、其他要求：具备系统性思维和独立解决复杂问题的能力，良好的沟通协作精神，对大模型后训练技术有浓厚兴趣。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}