主分类：计算机视觉与图像感知算法研发
辅助：大模型与生成式算法研发（仅展示）
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": "阿里国际智能技术-广告AIGC算法工程师-日常实习生",
"job_level": "实习",AI生成
"work_category": "实习",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 / 人工智能 / 机器学习等相关专业在读硕士或高年级本科",
"language": "4. 能独立跑实验、分析结果、归纳结论，能读前沿英文论文并落成可验证的实验方案",AI生成
"visa_support": "未披露",
"responsibilities": "【团队介绍】\n我们是 AE广告算法团队，聚焦跨境电商广告场景下的图片创意生成、评估与优化。我们相信下一代创意系统不该只是\"\"出一张图\"\"，而是能把多模态生成模型、视觉语言模型、行业知识库和真实投放反馈闭环起来，持续朝商业效果进化。\n在这里你能拿到的，是大多数研究岗给不了的两样东西:真实跨境电商广告场景的完整数据与投放闭环，以及把创新工作沉淀为顶会论文 / 专利 / 对外技术材料的空间。你会走完从创意评测、生成链路分析、创意原子归因到策略优化的完整研究链路，既做业务落地，也做前沿探索。\n【岗位描述】\n1. 用多模态模型做商品图片创意的生成与编辑，围绕\"\"生成质量 + 商业效果\"\"双目标持续迭代；\n2. 设计面向电商创意的评测方法——判断一张生成图是否满足商品表达、投放可用性和效果潜力；\n3. 做图像生成 / 图像编辑 / VLM 方向的技术调研、论文复现与实验验证，把前沿方法转化为可上线的方案；\n4. 分析生成结果与业务反馈，探索让创意系统从\"\"单次出图\"\"走向\"\"持续进化\"\"的优化机制（归因、偏好学习、策略优化等）；\n5. 沉淀实验结论与技术方案，优秀成果进一步形成论文、专利或对外材料。",
"requirements_text": "1. 计算机 / 人工智能 / 机器学习等相关专业在读硕士或高年级本科；\n2. 熟练 Python，掌握 PyTorch / TensorFlow / Transformers / Diffusers 中至少一种；\n3. 对多模态模型、图像生成、图像编辑、视觉语言模型、生成式 AI 中至少一个方向有研究兴趣或实践经验；\n4. 能独立跑实验、分析结果、归纳结论，能读前沿英文论文并落成可验证的实验方案；\n5. 有较强的研究热情和技术自驱力。\n【加分项】\n1. 图像生成 / 图像编辑 / 扩散模型 / VLM 评测 / VLM-as-Judge 相关研究或项目经验；\n2. RLHF / DPO / preference optimization / reward model / 策略优化经验；\n3. 熟悉广告、推荐、CTR 预估、A/B 实验、反事实评估等业务背景；\n4. 多模态 Benchmark 建设、模型横评、人工标注规范设计经验；\n5. 顶会顶刊论文、高水平竞赛获奖或高质量开源贡献者优先。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"机器学习"
],
"preferred_qualifications": "【加分项】；5. 顶会顶刊论文、高水平竞赛获奖或高质量开源贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908340001?deptCodes="
}
]
},
"posting": {
"posting_id": "199908340001",
"post_date": "2026-07-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908340001?deptCodes="
},
"fulltext": "阿里国际智能技术-广告AIGC算法工程师-日常实习生\n阿里国际智能技术-广告AIGC算法工程师-日常实习生\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2029-10-31\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n【团队介绍】\n我们是 AE广告算法团队，聚焦跨境电商广告场景下的图片创意生成、评估与优化。我们相信下一代创意系统不该只是\"\"出一张图\"\"，而是能把多模态生成模型、视觉语言模型、行业知识库和真实投放反馈闭环起来，持续朝商业效果进化。\n在这里你能拿到的，是大多数研究岗给不了的两样东西:真实跨境电商广告场景的完整数据与投放闭环，以及把创新工作沉淀为顶会论文 / 专利 / 对外技术材料的空间。你会走完从创意评测、生成链路分析、创意原子归因到策略优化的完整研究链路，既做业务落地，也做前沿探索。\n【岗位描述】\n1. 用多模态模型做商品图片创意的生成与编辑，围绕\"\"生成质量 + 商业效果\"\"双目标持续迭代；\n2. 设计面向电商创意的评测方法——判断一张生成图是否满足商品表达、投放可用性和效果潜力；\n3. 做图像生成 / 图像编辑 / VLM 方向的技术调研、论文复现与实验验证，把前沿方法转化为可上线的方案；\n4. 分析生成结果与业务反馈，探索让创意系统从\"\"单次出图\"\"走向\"\"持续进化\"\"的优化机制（归因、偏好学习、策略优化等）；\n5. 沉淀实验结论与技术方案，优秀成果进一步形成论文、专利或对外材料。\n\n职位要求\n1. 计算机 / 人工智能 / 机器学习等相关专业在读硕士或高年级本科；\n2. 熟练 Python，掌握 PyTorch / TensorFlow / Transformers / Diffusers 中至少一种；\n3. 对多模态模型、图像生成、图像编辑、视觉语言模型、生成式 AI 中至少一个方向有研究兴趣或实践经验；\n4. 能独立跑实验、分析结果、归纳结论，能读前沿英文论文并落成可验证的实验方案；\n5. 有较强的研究热情和技术自驱力。\n【加分项】\n1. 图像生成 / 图像编辑 / 扩散模型 / VLM 评测 / VLM-as-Judge 相关研究或项目经验；\n2. RLHF / DPO / preference optimization / reward model / 策略优化经验；\n3. 熟悉广告、推荐、CTR 预估、A/B 实验、反事实评估等业务背景；\n4. 多模态 Benchmark 建设、模型横评、人工标注规范设计经验；\n5. 顶会顶刊论文、高水平竞赛获奖或高质量开源贡献者优先。\n\n在招业务\n阿里国际数字商业集团\n【团队介绍】\n我们是 AE广告算法团队，聚焦跨境电商广告场景下的图片创意生成、评估与优化。我们相信下一代创意系统不该只是\"\"出一张图\"\"，而是能把多模态生成模型、视觉语言模型、行业知识库和真实投放反馈闭环起来，持续朝商业效果进化。\n在这里你能拿到的，是大多数研究岗给不了的两样东西:真实跨境电商广告场景的完整数据与投放闭环，以及把创新工作沉淀为顶会论文 / 专利 / 对外技术材料的空间。你会走完从创意评测、生成链路分析、创意原子归因到策略优化的完整研究链路，既做业务落地，也做前沿探索。\n【岗位描述】\n1. 用多模态模型做商品图片创意的生成与编辑，围绕\"\"生成质量 + 商业效果\"\"双目标持续迭代；\n2. 设计面向电商创意的评测方法——判断一张生成图是否满足商品表达、投放可用性和效果潜力；\n3. 做图像生成 / 图像编辑 / VLM 方向的技术调研、论文复现与实验验证，把前沿方法转化为可上线的方案；\n4. 分析生成结果与业务反馈，探索让创意系统从\"\"单次出图\"\"走向\"\"持续进化\"\"的优化机制（归因、偏好学习、策略优化等）；\n5. 沉淀实验结论与技术方案，优秀成果进一步形成论文、专利或对外材料。\n1. 计算机 / 人工智能 / 机器学习等相关专业在读硕士或高年级本科；\n2. 熟练 Python，掌握 PyTorch / TensorFlow / Transformers / Diffusers 中至少一种；\n3. 对多模态模型、图像生成、图像编辑、视觉语言模型、生成式 AI 中至少一个方向有研究兴趣或实践经验；\n4. 能独立跑实验、分析结果、归纳结论，能读前沿英文论文并落成可验证的实验方案；\n5. 有较强的研究热情和技术自驱力。\n【加分项】\n1. 图像生成 / 图像编辑 / 扩散模型 / VLM 评测 / VLM-as-Judge 相关研究或项目经验；\n2. RLHF / DPO / preference optimization / reward model / 策略优化经验；\n3. 熟悉广告、推荐、CTR 预估、A/B 实验、反事实评估等业务背景；\n4. 多模态 Benchmark 建设、模型横评、人工标注规范设计经验；\n5. 顶会顶刊论文、高水平竞赛获奖或高质量开源贡献者优先。",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}