{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "算法工程师-多模态基础大模型和多模态Agent",
        "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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.参与多模态基础模型核心算法研发，探索视觉与视频编码器、跨模态融合架构、动态分辨率、视觉Token压缩与Tokenization、多模态预训练与对齐、世界表征、后训练强化学习及知识蒸馏等前沿问题。 \n2.探索面向数字世界与物理世界的多模态Agent新范式，研究多模态感知、推理、规划、记忆、工具调用和环境交互等关键能力，面向文档与Office、视频、Web与GUI、3D与空间智能以及行业场景，构建能够解决真实复杂任务的多模态Agent。 \n3.大规模多模态数据研发: 建设面向大规模多模态数据研发预训练、后训练、Agent交互和强化学习的大规模数据体系，研究数据挖掘、清洗去重、质量评估、数据配比、合成数据、交互轨迹构造及高价值数据筛选等方法，持续提升训练数据的信息密度和模型能力上限。 \n4.构建下一代多模态大模型与Agent评测体系，从真实业务流程和复杂用户任务中抽象评测场景，研究过程评测、Reward/Judge、任务成功率评估及模型失败分析方法，形成\"评测发现问题—数据与算法迭代—真实场景验证\"的研发闭环。 \n你将直接参与Qwen核心模型版本研发，研究成果有机会进入基础模型、开源模型及真实业务场景，完成从算法研究、规模化训练到产品验证的完整闭环。",
        "requirements_text": "1. 计算机视觉、人工智能、机器学习、自然语言、模式识别、计算机、数学等相关专业在读； \n2. 熟练掌握tensorflow、pytorch等至少一种主流深度学习框架 -能够独立实现前沿模型，有大模型训练经验和基础大模型团队实习经验优先； \n3. 良好的学术调研能力，良好的逻辑和数据分析能力，有高质量论文、开源项目、ACM竞赛经历、权威比赛获奖经历或落地项目产出者优先； \n4. 有良好的自我学习能力及自驱力，对前沿领域有强探索欲和好奇心、善于独立思考并反思总结，具备良好的沟通能力和团队协作能力。 \n加分项 \n1. 具有大模型预训练、后训练、RL、OPD或Agent研发经验； \n2. 具有分布式训练、大规模数据处理或训练系统优化经验； \n3. 在相关领域发表过高质量论文，或有具有影响力的开源项目； \n4. 在ACM等算法竞赛、权威学术或行业比赛中取得突出成绩； \n5. 主导或深度参与过有实际用户价值的模型、Agent或算法项目。",
        "skills": [AI生成
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "计算机视觉",
            "数据分析",
            "模型训练",
            "团队协作",
            "沟通能力",
            "学习能力",
            "分析能力",
            "大语言模型"
        ],
        "preferred_qualifications": "2. 熟练掌握tensorflow、pytorch等至少一种主流深度学习框架 -能够独立实现前沿模型，有大模型训练经验和基础大模型团队实习经验优先；3. 良好的学术调研能力，良好的逻辑和数据分析能力，有高质量论文、开源项目、ACM竞赛经历、权威比赛获奖经历或落地项目产出者优先；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/199908360005?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199908360005",
        "post_date": "2026-08-05",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199908360005?deptCodes="
    },
    "fulltext": "算法工程师-多模态基础大模型和多模态Agent\n算法工程师-多模态基础大模型和多模态Agent\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\n1.参与多模态基础模型核心算法研发，探索视觉与视频编码器、跨模态融合架构、动态分辨率、视觉Token压缩与Tokenization、多模态预训练与对齐、世界表征、后训练强化学习及知识蒸馏等前沿问题。 \n2.探索面向数字世界与物理世界的多模态Agent新范式，研究多模态感知、推理、规划、记忆、工具调用和环境交互等关键能力，面向文档与Office、视频、Web与GUI、3D与空间智能以及行业场景，构建能够解决真实复杂任务的多模态Agent。 \n3.大规模多模态数据研发: 建设面向大规模多模态数据研发预训练、后训练、Agent交互和强化学习的大规模数据体系，研究数据挖掘、清洗去重、质量评估、数据配比、合成数据、交互轨迹构造及高价值数据筛选等方法，持续提升训练数据的信息密度和模型能力上限。 \n4.构建下一代多模态大模型与Agent评测体系，从真实业务流程和复杂用户任务中抽象评测场景，研究过程评测、Reward/Judge、任务成功率评估及模型失败分析方法，形成\"评测发现问题—数据与算法迭代—真实场景验证\"的研发闭环。 \n你将直接参与Qwen核心模型版本研发，研究成果有机会进入基础模型、开源模型及真实业务场景，完成从算法研究、规模化训练到产品验证的完整闭环。\n\n职位要求\n1. 计算机视觉、人工智能、机器学习、自然语言、模式识别、计算机、数学等相关专业在读； \n2. 熟练掌握tensorflow、pytorch等至少一种主流深度学习框架 -能够独立实现前沿模型，有大模型训练经验和基础大模型团队实习经验优先； \n3. 良好的学术调研能力，良好的逻辑和数据分析能力，有高质量论文、开源项目、ACM竞赛经历、权威比赛获奖经历或落地项目产出者优先； \n4. 有良好的自我学习能力及自驱力，对前沿领域有强探索欲和好奇心、善于独立思考并反思总结，具备良好的沟通能力和团队协作能力。 \n加分项 \n1. 具有大模型预训练、后训练、RL、OPD或Agent研发经验； \n2. 具有分布式训练、大规模数据处理或训练系统优化经验； \n3. 在相关领域发表过高质量论文，或有具有影响力的开源项目； \n4. 在ACM等算法竞赛、权威学术或行业比赛中取得突出成绩； \n5. 主导或深度参与过有实际用户价值的模型、Agent或算法项目。\n\n在招业务\nToken Foundry\n1.参与多模态基础模型核心算法研发，探索视觉与视频编码器、跨模态融合架构、动态分辨率、视觉Token压缩与Tokenization、多模态预训练与对齐、世界表征、后训练强化学习及知识蒸馏等前沿问题。 \n2.探索面向数字世界与物理世界的多模态Agent新范式，研究多模态感知、推理、规划、记忆、工具调用和环境交互等关键能力，面向文档与Office、视频、Web与GUI、3D与空间智能以及行业场景，构建能够解决真实复杂任务的多模态Agent。 \n3.大规模多模态数据研发: 建设面向大规模多模态数据研发预训练、后训练、Agent交互和强化学习的大规模数据体系，研究数据挖掘、清洗去重、质量评估、数据配比、合成数据、交互轨迹构造及高价值数据筛选等方法，持续提升训练数据的信息密度和模型能力上限。 \n4.构建下一代多模态大模型与Agent评测体系，从真实业务流程和复杂用户任务中抽象评测场景，研究过程评测、Reward/Judge、任务成功率评估及模型失败分析方法，形成\"评测发现问题—数据与算法迭代—真实场景验证\"的研发闭环。 \n你将直接参与Qwen核心模型版本研发，研究成果有机会进入基础模型、开源模型及真实业务场景，完成从算法研究、规模化训练到产品验证的完整闭环。\n1. 计算机视觉、人工智能、机器学习、自然语言、模式识别、计算机、数学等相关专业在读； \n2. 熟练掌握tensorflow、pytorch等至少一种主流深度学习框架 -能够独立实现前沿模型，有大模型训练经验和基础大模型团队实习经验优先； \n3. 良好的学术调研能力，良好的逻辑和数据分析能力，有高质量论文、开源项目、ACM竞赛经历、权威比赛获奖经历或落地项目产出者优先； \n4. 有良好的自我学习能力及自驱力，对前沿领域有强探索欲和好奇心、善于独立思考并反思总结，具备良好的沟通能力和团队协作能力。 \n加分项 \n1. 具有大模型预训练、后训练、RL、OPD或Agent研发经验； \n2. 具有分布式训练、大规模数据处理或训练系统优化经验； \n3. 在相关领域发表过高质量论文，或有具有影响力的开源项目； \n4. 在ACM等算法竞赛、权威学术或行业比赛中取得突出成绩； \n5. 主导或深度参与过有实际用户价值的模型、Agent或算法项目。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}