主分类：AI训练推理与计算优化
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-大模型推理&训练实习工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里巴巴控股集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.大模型推理优化技术的研究、工程落地实验，包括但不限于，模型量化、模型蒸馏、模型压缩，token&上下文压缩、skill压缩、投机解码、并行解码等优化技术。\n2.大模型推理框架的工程优化研究，包括但不限于（sglang、vllm、tensorrt-llm），follow最新的工程落地技术，结合实际的业务场景改进已有的开源框架。\n3.大模型训练优化技术的调研，做大模型后训练环节（SFT、RL、AgenticRL）持续迭代和优化，和其他成员配合攻克大模型后训练相关的技术难题。\n4.在大模型推理优化、训练优化方面产出相关的论文和开源代码贡献。",
"requirements_text": "1.研究生及以上学历，计算机、人工智能相关专业\n2.扎实的数学功底和编程能力，熟悉深度学习理论和算法。\n3.精通C++、python等常见编程语言。\n4.技术热情高，具备很强的技术驱动力和自我管理能力，具有探索和创新精神。\n5.在ACM/ICPC的亚洲区以上的级别比赛获奖者优先\n6.有重大开源项目贡献者优先。",
"skills": [AI生成
"Python",
"C++",
"深度学习"
],
"preferred_qualifications": "5.在ACM/ICPC的亚洲区以上的级别比赛获奖者优先；6.有重大开源项目贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907920001?deptCodes="
}
]
},
"posting": {
"posting_id": "199907920001",
"post_date": "2026-07-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907920001?deptCodes="
},
"fulltext": "研究型实习生-大模型推理&训练实习工程师\n研究型实习生-大模型推理&训练实习工程师\n\n基础信息\n毕业起止时间要求：2027-01-01 - 2031-01-01\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\n1.大模型推理优化技术的研究、工程落地实验，包括但不限于，模型量化、模型蒸馏、模型压缩，token&上下文压缩、skill压缩、投机解码、并行解码等优化技术。\n2.大模型推理框架的工程优化研究，包括但不限于（sglang、vllm、tensorrt-llm），follow最新的工程落地技术，结合实际的业务场景改进已有的开源框架。\n3.大模型训练优化技术的调研，做大模型后训练环节（SFT、RL、AgenticRL）持续迭代和优化，和其他成员配合攻克大模型后训练相关的技术难题。\n4.在大模型推理优化、训练优化方面产出相关的论文和开源代码贡献。\n\n职位要求\n1.研究生及以上学历，计算机、人工智能相关专业\n2.扎实的数学功底和编程能力，熟悉深度学习理论和算法。\n3.精通C++、python等常见编程语言。\n4.技术热情高，具备很强的技术驱动力和自我管理能力，具有探索和创新精神。\n5.在ACM/ICPC的亚洲区以上的级别比赛获奖者优先\n6.有重大开源项目贡献者优先。\n\n在招业务\n阿里巴巴控股集团\n1.大模型推理优化技术的研究、工程落地实验，包括但不限于，模型量化、模型蒸馏、模型压缩，token&上下文压缩、skill压缩、投机解码、并行解码等优化技术。\n2.大模型推理框架的工程优化研究，包括但不限于（sglang、vllm、tensorrt-llm），follow最新的工程落地技术，结合实际的业务场景改进已有的开源框架。\n3.大模型训练优化技术的调研，做大模型后训练环节（SFT、RL、AgenticRL）持续迭代和优化，和其他成员配合攻克大模型后训练相关的技术难题。\n4.在大模型推理优化、训练优化方面产出相关的论文和开源代码贡献。\n1.研究生及以上学历，计算机、人工智能相关专业\n2.扎实的数学功底和编程能力，熟悉深度学习理论和算法。\n3.精通C++、python等常见编程语言。\n4.技术热情高，具备很强的技术驱动力和自我管理能力，具有探索和创新精神。\n5.在ACM/ICPC的亚洲区以上的级别比赛获奖者优先\n6.有重大开源项目贡献者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}