职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:199908300004

算法工程师-多语言技术探索与应用

未披露 · 北京 / 杭州 · 阿里巴巴集团

主分类:大模型与生成式算法研发
算法与数据
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-多语言技术探索与应用",
        "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": "来自全球Top高校计算机科学、人工智能、机器学习、深度学习、软件工程或相关领域应届博士/顶尖硕士毕业生",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "多语言方向前沿技术与应用研究,涵盖多个探索方向,包括但不仅限于:\n1.多语言预训练:设计多语料混合、合成策略与高质量过滤管线;探索跨语言共享词表/表征对齐;优化Scaling Laws,推动基座模型向更多语言扩展;\n2.多语言评价体系:构建覆盖多语言、多文化、多任务的大模型自动化评测平台;设计并迭代多语言基准(能力/安全/价值观/长尾场景);推动Human-in-the-loop评估与可解释分析;\n3.多语言后训练:偏好优化与指令微调技术;提升模型在多语言下的指令遵循、逻辑推理、Agentic、文化价值观对齐能力;探索高效多语言微调与知识蒸馏范式;\n4.多语言多模态对齐:研发视觉/语音/文本与多语言的深度融合算法;攻克跨模态表征对齐、多语言指令跟随与多模态生成一致性难题;构建全模态理解与交互能力\n5.多语言应用技术:探索模型在智能体、多语言交互、垂直行业等场景的应用,如实时语音同传、翻译技术。",
        "requirements_text": "1. 来自全球Top高校计算机科学、人工智能、机器学习、深度学习、软件工程或相关领域应届博士/顶尖硕士毕业生;\n2. 在大语言模型或多模态大模型领域有扎实的理论基础和实践经验,在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等至少一个领域中具有行业影响力的创新性成果;\n3. 在国际顶级计算机会议/期刊以一作身份发表过多篇高水平论文,或在开源社区、竞赛中展示出引领性的研究成果;\n4. 具备扎实的代码功底,熟悉主流深度学习框架,能够高效实现复杂模型结构并进行大规模模型训练(曾参与千卡集群项目者优先);ACM/ICPC,topcoder等编程比赛获奖者优先;\n5. 对AI技术充满好奇心,持续关注前沿领域,具备独立思考能力和系统性研究思维,敢于挑战现有范式,有志于定义下一代基础模型的进化方向;能够独立应用技术解决复杂问题,主导或深度参与过有行业有影响力项目的人选优先;\n6. 具备优秀的跨团队协作和沟通能力,能够与工程、产品等团队紧密合作,推动研究成果快速落地并产生实际影响力。",
        "skills": [AI生成
            "机器学习",
            "深度学习",
            "模型训练",
            "团队协作",
            "沟通能力",
            "大语言模型"
        ],
        "preferred_qualifications": "4. 具备扎实的代码功底,熟悉主流深度学习框架,能够高效实现复杂模型结构并进行大规模模型训练(曾参与千卡集群项目者优先);ACM/ICPC,topcoder等编程比赛获奖者优先;能够独立应用技术解决复杂问题,主导或深度参与过有行业有影响力项目的人选优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199908300004?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199908300004",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199908300004?deptCodes="
    },
    "fulltext": "算法工程师-多语言技术探索与应用\n算法工程师-多语言技术探索与应用\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\n多语言方向前沿技术与应用研究,涵盖多个探索方向,包括但不仅限于:\n1.多语言预训练:设计多语料混合、合成策略与高质量过滤管线;探索跨语言共享词表/表征对齐;优化Scaling Laws,推动基座模型向更多语言扩展;\n2.多语言评价体系:构建覆盖多语言、多文化、多任务的大模型自动化评测平台;设计并迭代多语言基准(能力/安全/价值观/长尾场景);推动Human-in-the-loop评估与可解释分析;\n3.多语言后训练:偏好优化与指令微调技术;提升模型在多语言下的指令遵循、逻辑推理、Agentic、文化价值观对齐能力;探索高效多语言微调与知识蒸馏范式;\n4.多语言多模态对齐:研发视觉/语音/文本与多语言的深度融合算法;攻克跨模态表征对齐、多语言指令跟随与多模态生成一致性难题;构建全模态理解与交互能力\n5.多语言应用技术:探索模型在智能体、多语言交互、垂直行业等场景的应用,如实时语音同传、翻译技术。\n\n职位要求\n1. 来自全球Top高校计算机科学、人工智能、机器学习、深度学习、软件工程或相关领域应届博士/顶尖硕士毕业生;\n2. 在大语言模型或多模态大模型领域有扎实的理论基础和实践经验,在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等至少一个领域中具有行业影响力的创新性成果;\n3. 在国际顶级计算机会议/期刊以一作身份发表过多篇高水平论文,或在开源社区、竞赛中展示出引领性的研究成果;\n4. 具备扎实的代码功底,熟悉主流深度学习框架,能够高效实现复杂模型结构并进行大规模模型训练(曾参与千卡集群项目者优先);ACM/ICPC,topcoder等编程比赛获奖者优先;\n5. 对AI技术充满好奇心,持续关注前沿领域,具备独立思考能力和系统性研究思维,敢于挑战现有范式,有志于定义下一代基础模型的进化方向;能够独立应用技术解决复杂问题,主导或深度参与过有行业有影响力项目的人选优先;\n6. 具备优秀的跨团队协作和沟通能力,能够与工程、产品等团队紧密合作,推动研究成果快速落地并产生实际影响力。\n\n在招业务\nToken Foundry\n多语言方向前沿技术与应用研究,涵盖多个探索方向,包括但不仅限于:\n1.多语言预训练:设计多语料混合、合成策略与高质量过滤管线;探索跨语言共享词表/表征对齐;优化Scaling Laws,推动基座模型向更多语言扩展;\n2.多语言评价体系:构建覆盖多语言、多文化、多任务的大模型自动化评测平台;设计并迭代多语言基准(能力/安全/价值观/长尾场景);推动Human-in-the-loop评估与可解释分析;\n3.多语言后训练:偏好优化与指令微调技术;提升模型在多语言下的指令遵循、逻辑推理、Agentic、文化价值观对齐能力;探索高效多语言微调与知识蒸馏范式;\n4.多语言多模态对齐:研发视觉/语音/文本与多语言的深度融合算法;攻克跨模态表征对齐、多语言指令跟随与多模态生成一致性难题;构建全模态理解与交互能力\n5.多语言应用技术:探索模型在智能体、多语言交互、垂直行业等场景的应用,如实时语音同传、翻译技术。\n1. 来自全球Top高校计算机科学、人工智能、机器学习、深度学习、软件工程或相关领域应届博士/顶尖硕士毕业生;\n2. 在大语言模型或多模态大模型领域有扎实的理论基础和实践经验,在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等至少一个领域中具有行业影响力的创新性成果;\n3. 在国际顶级计算机会议/期刊以一作身份发表过多篇高水平论文,或在开源社区、竞赛中展示出引领性的研究成果;\n4. 具备扎实的代码功底,熟悉主流深度学习框架,能够高效实现复杂模型结构并进行大规模模型训练(曾参与千卡集群项目者优先);ACM/ICPC,topcoder等编程比赛获奖者优先;\n5. 对AI技术充满好奇心,持续关注前沿领域,具备独立思考能力和系统性研究思维,敢于挑战现有范式,有志于定义下一代基础模型的进化方向;能够独立应用技术解决复杂问题,主导或深度参与过有行业有影响力项目的人选优先;\n6. 具备优秀的跨团队协作和沟通能力,能够与工程、产品等团队紧密合作,推动研究成果快速落地并产生实际影响力。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}