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-合版算法研究",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "Token Foundry",
"location": "北京 / 杭州 / 上海",
"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": "计算机、机器学习、人工智能等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.合版核心算法研究：探索 On-policy Distillation、知识融合等先进技术，研究更优的 SFT Objective，实现多能力模型的高效合版，最大程度减少能力冲突与遗忘，提升合版流程的稳定性与结果的可预测性。 \n2.数据策略与冲突消解：深入分析不同能力域的数据配比，建立系统化的冲突检测与消解机制；分析合版训练监控指标，定位冲突专项与原因，为专项模型的数据迭代和 SFT/RL 训练流程提供反馈，保障模型在各项能力上的均衡与稳定。 \n3.合版评测体系建设：设计并推进高效、快速的合版评测方案，构建覆盖多维能力的自动化评测 Pipeline，实现合版效果的快速迭代与精准度量。 \n4.合版链路与框架建设：推动合版全流程的工程化与自动化，包括训练、评测、对比分析、版本管理等环节；参与 OPD 等合版训练框架的迭代，与 infra 和工程团队协作，探究面向多专项、超长程任务的合版算法与框架，提升模型交付的效率与可靠性。 \n5.前沿技术追踪与落地：持续关注模型融合、蒸馏、多任务学习等领域的前沿进展，将有效方法快速验证并落地到基础模型 的合版实践中。",
"requirements_text": "1. 计算机、机器学习、人工智能等相关专业本科及以上学历。 \n2. 具备扎实的机器学习与深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术。 \n3. 极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。 \n4. 熟悉 Python 与 PyTorch 等深度学习框架，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。 \n5. 满足以下条件之一者优先： \n（1）有大模型 Post-training（SFT/RL 等）、模型蒸馏或模型融合相关方向的实践或研究经验； \n（2）熟悉 Megatron、FSDP 等训练框架或 SGLang、vLLM 等推理框架，有大规模模型训练经历； \n（3）对数据敏感，具备良好的数据分析能力，能系统性定位模型能力瓶颈并制定优化策略。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"数据分析",
"模型训练",
"团队协作",
"学习能力",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "有高水平论文、开源项目、竞赛成绩或实际落地成果者优先；5. 满足以下条件之一者优先：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908320006?deptCodes="
}
]
},
"posting": {
"posting_id": "199908320006",
"post_date": "2026-08-05",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908320006?deptCodes="
},
"fulltext": "算法工程师-合版算法研究\n算法工程师-合版算法研究\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 / 上海\n\n职位描述\n1.合版核心算法研究：探索 On-policy Distillation、知识融合等先进技术，研究更优的 SFT Objective，实现多能力模型的高效合版，最大程度减少能力冲突与遗忘，提升合版流程的稳定性与结果的可预测性。 \n2.数据策略与冲突消解：深入分析不同能力域的数据配比，建立系统化的冲突检测与消解机制；分析合版训练监控指标，定位冲突专项与原因，为专项模型的数据迭代和 SFT/RL 训练流程提供反馈，保障模型在各项能力上的均衡与稳定。 \n3.合版评测体系建设：设计并推进高效、快速的合版评测方案，构建覆盖多维能力的自动化评测 Pipeline，实现合版效果的快速迭代与精准度量。 \n4.合版链路与框架建设：推动合版全流程的工程化与自动化，包括训练、评测、对比分析、版本管理等环节；参与 OPD 等合版训练框架的迭代，与 infra 和工程团队协作，探究面向多专项、超长程任务的合版算法与框架，提升模型交付的效率与可靠性。 \n5.前沿技术追踪与落地：持续关注模型融合、蒸馏、多任务学习等领域的前沿进展，将有效方法快速验证并落地到基础模型 的合版实践中。\n\n职位要求\n1. 计算机、机器学习、人工智能等相关专业本科及以上学历。 \n2. 具备扎实的机器学习与深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术。 \n3. 极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。 \n4. 熟悉 Python 与 PyTorch 等深度学习框架，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。 \n5. 满足以下条件之一者优先： \n（1）有大模型 Post-training（SFT/RL 等）、模型蒸馏或模型融合相关方向的实践或研究经验； \n（2）熟悉 Megatron、FSDP 等训练框架或 SGLang、vLLM 等推理框架，有大规模模型训练经历； \n（3）对数据敏感，具备良好的数据分析能力，能系统性定位模型能力瓶颈并制定优化策略。\n\n在招业务\nToken Foundry\n1.合版核心算法研究：探索 On-policy Distillation、知识融合等先进技术，研究更优的 SFT Objective，实现多能力模型的高效合版，最大程度减少能力冲突与遗忘，提升合版流程的稳定性与结果的可预测性。 \n2.数据策略与冲突消解：深入分析不同能力域的数据配比，建立系统化的冲突检测与消解机制；分析合版训练监控指标，定位冲突专项与原因，为专项模型的数据迭代和 SFT/RL 训练流程提供反馈，保障模型在各项能力上的均衡与稳定。 \n3.合版评测体系建设：设计并推进高效、快速的合版评测方案，构建覆盖多维能力的自动化评测 Pipeline，实现合版效果的快速迭代与精准度量。 \n4.合版链路与框架建设：推动合版全流程的工程化与自动化，包括训练、评测、对比分析、版本管理等环节；参与 OPD 等合版训练框架的迭代，与 infra 和工程团队协作，探究面向多专项、超长程任务的合版算法与框架，提升模型交付的效率与可靠性。 \n5.前沿技术追踪与落地：持续关注模型融合、蒸馏、多任务学习等领域的前沿进展，将有效方法快速验证并落地到基础模型 的合版实践中。\n1. 计算机、机器学习、人工智能等相关专业本科及以上学历。 \n2. 具备扎实的机器学习与深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术。 \n3. 极强的求知欲与学习能力，逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。 \n4. 熟悉 Python 与 PyTorch 等深度学习框架，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。 \n5. 满足以下条件之一者优先： \n（1）有大模型 Post-training（SFT/RL 等）、模型蒸馏或模型融合相关方向的实践或研究经验； \n（2）熟悉 Megatron、FSDP 等训练框架或 SGLang、vLLM 等推理框架，有大规模模型训练经历； \n（3）对数据敏感，具备良好的数据分析能力，能系统性定位模型能力瓶颈并制定优化策略。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}