{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "LLM and Multimodal Post-training-AliStar/Bravo Star",
        "job_level": "校招",AI生成
        "work_category": "全职",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": "计算机科学、人工智能、机器学习或相关领域硕士或博士学位",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "我们正在寻找优秀的研究科学家和工程师，共同推进下一代 LLM 与 Multimodal Agent 系统 的关键技术研发。\n该岗位聚焦于大模型后训练（Post-training）与Agent能力训练的前沿研究，致力于让基础模型具备 DeepResearch、Tool Use、Coding 以及复杂多步骤推理（long-horizon reasoning） 等能力。你将与一流的研究人员和工程团队合作，探索并实现包括 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL、RLHF 在内的新一代后训练方法，推动 AI 系统在复杂真实任务中的能力边界。\n1、研究并开发 LLM 与 Multimodal 模型的 Post-training 方法，重点提升 Agent 能力与复杂推理能力；\n2、设计与实现 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL等训练方法；\n3、构建大规模 Agent training data，涵盖 DeepResearch、Tool Use、Coding等复杂任务；\n4、设计并实现 Agent evaluation framework，评估模型在复杂任务执行与工具使用场景中的能力；\n5、与模型训练、数据工程和系统团队协作，将研究成果应用到 真实 AI 系统与产品场景中；\n6、推动前沿研究成果，通过技术分享、开源项目或学术论文等方式贡献于 AI 社区。",
        "requirements_text": "1、计算机科学、人工智能、机器学习或相关领域硕士或博士学位；\n2、具备 LLM 训练或后训练（fine-tuning / post-training）经验；\n3、在 NeurIPS、ICML、ICLR、CVPR 等顶级会议发表论文或参与开源项目。",
        "skills": [AI生成
            "机器学习",
            "大语言模型"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907820114?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907820114",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907820114?deptCodes="
    },
    "fulltext": "LLM and Multimodal Post-training-AliStar/Bravo Star\nLLM and Multimodal Post-training-AliStar/Bravo 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\n\n职位描述\n我们正在寻找优秀的研究科学家和工程师，共同推进下一代 LLM 与 Multimodal Agent 系统 的关键技术研发。\n该岗位聚焦于大模型后训练（Post-training）与Agent能力训练的前沿研究，致力于让基础模型具备 DeepResearch、Tool Use、Coding 以及复杂多步骤推理（long-horizon reasoning） 等能力。你将与一流的研究人员和工程团队合作，探索并实现包括 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL、RLHF 在内的新一代后训练方法，推动 AI 系统在复杂真实任务中的能力边界。\n1、研究并开发 LLM 与 Multimodal 模型的 Post-training 方法，重点提升 Agent 能力与复杂推理能力；\n2、设计与实现 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL等训练方法；\n3、构建大规模 Agent training data，涵盖 DeepResearch、Tool Use、Coding等复杂任务；\n4、设计并实现 Agent evaluation framework，评估模型在复杂任务执行与工具使用场景中的能力；\n5、与模型训练、数据工程和系统团队协作，将研究成果应用到 真实 AI 系统与产品场景中；\n6、推动前沿研究成果，通过技术分享、开源项目或学术论文等方式贡献于 AI 社区。\n\n职位要求\n1、计算机科学、人工智能、机器学习或相关领域硕士或博士学位；\n2、具备 LLM 训练或后训练（fine-tuning / post-training）经验；\n3、在 NeurIPS、ICML、ICLR、CVPR 等顶级会议发表论文或参与开源项目。\n\n在招业务\n阿里国际数字商业集团\n我们正在寻找优秀的研究科学家和工程师，共同推进下一代 LLM 与 Multimodal Agent 系统 的关键技术研发。\n该岗位聚焦于大模型后训练（Post-training）与Agent能力训练的前沿研究，致力于让基础模型具备 DeepResearch、Tool Use、Coding 以及复杂多步骤推理（long-horizon reasoning） 等能力。你将与一流的研究人员和工程团队合作，探索并实现包括 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL、RLHF 在内的新一代后训练方法，推动 AI 系统在复杂真实任务中的能力边界。\n1、研究并开发 LLM 与 Multimodal 模型的 Post-training 方法，重点提升 Agent 能力与复杂推理能力；\n2、设计与实现 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL等训练方法；\n3、构建大规模 Agent training data，涵盖 DeepResearch、Tool Use、Coding等复杂任务；\n4、设计并实现 Agent evaluation framework，评估模型在复杂任务执行与工具使用场景中的能力；\n5、与模型训练、数据工程和系统团队协作，将研究成果应用到 真实 AI 系统与产品场景中；\n6、推动前沿研究成果，通过技术分享、开源项目或学术论文等方式贡献于 AI 社区。\n1、计算机科学、人工智能、机器学习或相关领域硕士或博士学位；\n2、具备 LLM 训练或后训练（fine-tuning / post-training）经验；\n3、在 NeurIPS、ICML、ICLR、CVPR 等顶级会议发表论文或参与开源项目。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}