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- AI手机智能大模型",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "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": "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": "硕士或博士学历",
"language": "7. 具备良好的英文论文阅读能力，能够持续跟踪、分析并复现国际前沿研究成果",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责AI智能手机相关的大模型算法研究，方向包括但不限于：\n○ Agent、工具调用、任务规划与复杂推理；\n○ 视觉理解、视觉语言模型与多模态推理；\n○ Agentic Coding，DSL；\n○ Omni模型及文本、图像、语音、视频等模态的统一建模；\n○ 大模型训练、后训练、强化学习与推理能力优化。\n○ 模型压缩与加速\n○ 模型安全\n2. 研究大模型的数据构建与优化方法，包括数据合成、数据筛选、训练轨迹生成及数据质量评估。\n3. 开展模型训练与后训练研究，持续提升模型的理解、推理、生成、工具使用及复杂任务执行能力。\n4. 建立科学、系统的模型评测体系，围绕模型能力、任务成功率、泛化性、鲁棒性和安全性开展实验分析与算法优化。\n5. 持续跟踪大模型领域的国际前沿进展，完成算法复现、创新方案设计及效果验证。\n6. 与产品、业务及客户团队协作，将智能手机及ToB场景中的实际需求转化为可定义、可训练、可评测的算法问题，推动研究成果在真实场景中应用。",
"requirements_text": "1. 计算机、人工智能、数学、自动化、电子信息等相关专业，硕士或博士学历。\n2. 具备扎实的机器学习、深度学习及数学基础，深入理解Transformer、大语言模型及多模态模型的基本原理。\n3. 在以下至少一个方向具备深入研究或项目经验：\n○ Agent、Tool Learning、任务规划或复杂推理；\n○ 视觉理解、VLM或多模态推理；\n○ Coding LLM、Coding Agent或软件工程智能；\n○ Omni模型、语音语言模型或跨模态统一建模；\n○ SFT、强化学习、偏好优化或模型后训练；\n○ 大模型数据构建、数据合成与质量优化；\n○ 大模型评测、安全与可靠性。\n4. 熟悉大模型训练或后训练方法，对SFT、RLHF、DPO、GRPO等方法中的一种或多种具备深入理解和实验经验。\n5. 熟练掌握Python和PyTorch，能够独立完成算法复现、数据处理、模型训练、实验设计、效果评测及结果分析。\n6. 具备较强的研究能力和技术判断力，能够从开放性问题中发现关键问题、提出研究假设，并通过严谨实验完成验证。\n7. 具备良好的英文论文阅读能力，能够持续跟踪、分析并复现国际前沿研究成果。\n8. 对大模型及AI智能手机具有强烈兴趣，具备优秀的学习能力、自驱力和探索精神。\n加分项\n1. 具备优秀的沟通表达和跨团队协作能力，能够清晰说明算法原理、实验结论、能力边界及业务价值。\n2. 具备ToB业务、企业服务或客户项目相关实习经验，能够理解客户需求，并将业务问题抽象为算法目标、训练任务与评测指标。\n3. 在知名大模型团队、研究机构或科技企业有大模型相关实习经历。\n4. 有高质量大模型数据构建、模型后训练、强化学习或Benchmark评测经验。\n5. 在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV、ECCV、AAAI等高水平会议或期刊发表过相关论文。\n6. 参与过有影响力的开源研究项目，或在大模型、机器学习及相关算法竞赛中取得优异成绩。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"强化学习",
"模型训练",
"可靠性",
"团队协作",
"沟通表达",
"学习能力",
"建模",
"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/199908160006?deptCodes="
}
]
},
"posting": {
"posting_id": "199908160006",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908160006?deptCodes="
},
"fulltext": "算法工程师- AI手机智能大模型\n算法工程师- AI手机智能大模型\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. 负责AI智能手机相关的大模型算法研究，方向包括但不限于：\n○ Agent、工具调用、任务规划与复杂推理；\n○ 视觉理解、视觉语言模型与多模态推理；\n○ Agentic Coding，DSL；\n○ Omni模型及文本、图像、语音、视频等模态的统一建模；\n○ 大模型训练、后训练、强化学习与推理能力优化。\n○ 模型压缩与加速\n○ 模型安全\n2. 研究大模型的数据构建与优化方法，包括数据合成、数据筛选、训练轨迹生成及数据质量评估。\n3. 开展模型训练与后训练研究，持续提升模型的理解、推理、生成、工具使用及复杂任务执行能力。\n4. 建立科学、系统的模型评测体系，围绕模型能力、任务成功率、泛化性、鲁棒性和安全性开展实验分析与算法优化。\n5. 持续跟踪大模型领域的国际前沿进展，完成算法复现、创新方案设计及效果验证。\n6. 与产品、业务及客户团队协作，将智能手机及ToB场景中的实际需求转化为可定义、可训练、可评测的算法问题，推动研究成果在真实场景中应用。\n\n职位要求\n1. 计算机、人工智能、数学、自动化、电子信息等相关专业，硕士或博士学历。\n2. 具备扎实的机器学习、深度学习及数学基础，深入理解Transformer、大语言模型及多模态模型的基本原理。\n3. 在以下至少一个方向具备深入研究或项目经验：\n○ Agent、Tool Learning、任务规划或复杂推理；\n○ 视觉理解、VLM或多模态推理；\n○ Coding LLM、Coding Agent或软件工程智能；\n○ Omni模型、语音语言模型或跨模态统一建模；\n○ SFT、强化学习、偏好优化或模型后训练；\n○ 大模型数据构建、数据合成与质量优化；\n○ 大模型评测、安全与可靠性。\n4. 熟悉大模型训练或后训练方法，对SFT、RLHF、DPO、GRPO等方法中的一种或多种具备深入理解和实验经验。\n5. 熟练掌握Python和PyTorch，能够独立完成算法复现、数据处理、模型训练、实验设计、效果评测及结果分析。\n6. 具备较强的研究能力和技术判断力，能够从开放性问题中发现关键问题、提出研究假设，并通过严谨实验完成验证。\n7. 具备良好的英文论文阅读能力，能够持续跟踪、分析并复现国际前沿研究成果。\n8. 对大模型及AI智能手机具有强烈兴趣，具备优秀的学习能力、自驱力和探索精神。\n加分项\n1. 具备优秀的沟通表达和跨团队协作能力，能够清晰说明算法原理、实验结论、能力边界及业务价值。\n2. 具备ToB业务、企业服务或客户项目相关实习经验，能够理解客户需求，并将业务问题抽象为算法目标、训练任务与评测指标。\n3. 在知名大模型团队、研究机构或科技企业有大模型相关实习经历。\n4. 有高质量大模型数据构建、模型后训练、强化学习或Benchmark评测经验。\n5. 在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV、ECCV、AAAI等高水平会议或期刊发表过相关论文。\n6. 参与过有影响力的开源研究项目，或在大模型、机器学习及相关算法竞赛中取得优异成绩。\n\n在招业务\nToken Foundry\n1. 负责AI智能手机相关的大模型算法研究，方向包括但不限于：\n○ Agent、工具调用、任务规划与复杂推理；\n○ 视觉理解、视觉语言模型与多模态推理；\n○ Agentic Coding，DSL；\n○ Omni模型及文本、图像、语音、视频等模态的统一建模；\n○ 大模型训练、后训练、强化学习与推理能力优化。\n○ 模型压缩与加速\n○ 模型安全\n2. 研究大模型的数据构建与优化方法，包括数据合成、数据筛选、训练轨迹生成及数据质量评估。\n3. 开展模型训练与后训练研究，持续提升模型的理解、推理、生成、工具使用及复杂任务执行能力。\n4. 建立科学、系统的模型评测体系，围绕模型能力、任务成功率、泛化性、鲁棒性和安全性开展实验分析与算法优化。\n5. 持续跟踪大模型领域的国际前沿进展，完成算法复现、创新方案设计及效果验证。\n6. 与产品、业务及客户团队协作，将智能手机及ToB场景中的实际需求转化为可定义、可训练、可评测的算法问题，推动研究成果在真实场景中应用。\n1. 计算机、人工智能、数学、自动化、电子信息等相关专业，硕士或博士学历。\n2. 具备扎实的机器学习、深度学习及数学基础，深入理解Transformer、大语言模型及多模态模型的基本原理。\n3. 在以下至少一个方向具备深入研究或项目经验：\n○ Agent、Tool Learning、任务规划或复杂推理；\n○ 视觉理解、VLM或多模态推理；\n○ Coding LLM、Coding Agent或软件工程智能；\n○ Omni模型、语音语言模型或跨模态统一建模；\n○ SFT、强化学习、偏好优化或模型后训练；\n○ 大模型数据构建、数据合成与质量优化；\n○ 大模型评测、安全与可靠性。\n4. 熟悉大模型训练或后训练方法，对SFT、RLHF、DPO、GRPO等方法中的一种或多种具备深入理解和实验经验。\n5. 熟练掌握Python和PyTorch，能够独立完成算法复现、数据处理、模型训练、实验设计、效果评测及结果分析。\n6. 具备较强的研究能力和技术判断力，能够从开放性问题中发现关键问题、提出研究假设，并通过严谨实验完成验证。\n7. 具备良好的英文论文阅读能力，能够持续跟踪、分析并复现国际前沿研究成果。\n8. 对大模型及AI智能手机具有强烈兴趣，具备优秀的学习能力、自驱力和探索精神。\n加分项\n1. 具备优秀的沟通表达和跨团队协作能力，能够清晰说明算法原理、实验结论、能力边界及业务价值。\n2. 具备ToB业务、企业服务或客户项目相关实习经验，能够理解客户需求，并将业务问题抽象为算法目标、训练任务与评测指标。\n3. 在知名大模型团队、研究机构或科技企业有大模型相关实习经历。\n4. 有高质量大模型数据构建、模型后训练、强化学习或Benchmark评测经验。\n5. 在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV、ECCV、AAAI等高水平会议或期刊发表过相关论文。\n6. 参与过有影响力的开源研究项目，或在大模型、机器学习及相关算法竞赛中取得优异成绩。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}