主分类：AI模型评测工程
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": "日常实习生-AI视频模型评测实习-未来生活实验室",
"job_level": "实习",AI生成
"work_category": "实习",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": "摄影类、影视美术类、表演创作、音频、音乐类等相关专业硕士及以上学历",
"language": "2. 具备优秀的英文文献阅读、提炼与综述能力，可快速抓取顶会论文的核心方法与技术本质",AI生成
"visa_support": "未披露",
"responsibilities": "岗位定位\n隶属于ATH-多模态评测技术团队，核心使命是追踪全球学术与产业前沿进展，持续拓宽团队评测体系与数据技术的能力边界，通过前沿研究的落地转化，支撑团队在多模态大模型、生成式AI领域的技术竞争力与行业前瞻性。\n核心职责\n1. Benchmark横向剖析：系统性调研、拆解全球主流的多模态评测基准、美学评测框架与评估协议（Evaluation Protocols），从统计学原理、评测维度、场景覆盖、优劣性等维度完成深度横向对比，沉淀行业评测方法论资产库。\n2. 研究向工程转化：将前沿学术成果与产业最佳实践转化为团队可落地的评测方法论，针对多模态模型的能力短板设计创新评测维度与测试方案，驱动团队评测体系的持续迭代与技术升级。\n3. 结果归因及调优指导：通过各种数据分析方法，深度分析模型评测结果，为大模型的更新调优提供精准的问题分析结论。",
"requirements_text": "1. 摄影类、影视美术类、表演创作、音频、音乐类等相关专业硕士及以上学历，对该领域有深度了解，专业排名前15%。\n2. 具备优秀的英文文献阅读、提炼与综述能力，可快速抓取顶会论文的核心方法与技术本质。\n3. 熟悉多模态大模型、生成式AI、计算机视觉、大语言模型中至少一个领域的技术发展脉络，对前沿技术有高度敏感度与持续探索热情。\n4. 理解主流评测协议的设计逻辑与统计学原理，具备评测基准拆解、横向对比分析的系统思维。\n5. 具备较强的落地转化能力，能够将前沿理论方法转化为可执行的评测方案与落地路径。\n6. 自驱力强，逻辑清晰，具备良好的沟通协作与技术表达能力。\n加分项\n1. 在NeurIPS、ICML、CVPR、ICCV、ACL、ACM MM等顶会/顶刊发表过多模态、模型评测相关论文。\n2. 有主流多模态Benchmark构建、大规模模型评测或评测体系设计相关项目经验。\n3. 具备多模态模型训练、推理或数据构建相关工程实践经验。\n4. 熟悉统计学评估方法与指标设计，有量化评估、人机协同评测相关研究背景。",
"skills": [AI生成
"计算机视觉",
"模型训练",
"摄影",
"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/199908360013?deptCodes="
}
]
},
"posting": {
"posting_id": "199908360013",
"post_date": "2026-08-05",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908360013?deptCodes="
},
"fulltext": "日常实习生-AI视频模型评测实习-未来生活实验室\n日常实习生-AI视频模型评测实习-未来生活实验室\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\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：北京 / 杭州\n\n职位描述\n岗位定位\n隶属于ATH-多模态评测技术团队，核心使命是追踪全球学术与产业前沿进展，持续拓宽团队评测体系与数据技术的能力边界，通过前沿研究的落地转化，支撑团队在多模态大模型、生成式AI领域的技术竞争力与行业前瞻性。\n核心职责\n1. Benchmark横向剖析：系统性调研、拆解全球主流的多模态评测基准、美学评测框架与评估协议（Evaluation Protocols），从统计学原理、评测维度、场景覆盖、优劣性等维度完成深度横向对比，沉淀行业评测方法论资产库。\n2. 研究向工程转化：将前沿学术成果与产业最佳实践转化为团队可落地的评测方法论，针对多模态模型的能力短板设计创新评测维度与测试方案，驱动团队评测体系的持续迭代与技术升级。\n3. 结果归因及调优指导：通过各种数据分析方法，深度分析模型评测结果，为大模型的更新调优提供精准的问题分析结论。\n\n职位要求\n1. 摄影类、影视美术类、表演创作、音频、音乐类等相关专业硕士及以上学历，对该领域有深度了解，专业排名前15%。\n2. 具备优秀的英文文献阅读、提炼与综述能力，可快速抓取顶会论文的核心方法与技术本质。\n3. 熟悉多模态大模型、生成式AI、计算机视觉、大语言模型中至少一个领域的技术发展脉络，对前沿技术有高度敏感度与持续探索热情。\n4. 理解主流评测协议的设计逻辑与统计学原理，具备评测基准拆解、横向对比分析的系统思维。\n5. 具备较强的落地转化能力，能够将前沿理论方法转化为可执行的评测方案与落地路径。\n6. 自驱力强，逻辑清晰，具备良好的沟通协作与技术表达能力。\n加分项\n1. 在NeurIPS、ICML、CVPR、ICCV、ACL、ACM MM等顶会/顶刊发表过多模态、模型评测相关论文。\n2. 有主流多模态Benchmark构建、大规模模型评测或评测体系设计相关项目经验。\n3. 具备多模态模型训练、推理或数据构建相关工程实践经验。\n4. 熟悉统计学评估方法与指标设计，有量化评估、人机协同评测相关研究背景。\n\n在招业务\nToken Foundry\n岗位定位\n隶属于ATH-多模态评测技术团队，核心使命是追踪全球学术与产业前沿进展，持续拓宽团队评测体系与数据技术的能力边界，通过前沿研究的落地转化，支撑团队在多模态大模型、生成式AI领域的技术竞争力与行业前瞻性。\n核心职责\n1. Benchmark横向剖析：系统性调研、拆解全球主流的多模态评测基准、美学评测框架与评估协议（Evaluation Protocols），从统计学原理、评测维度、场景覆盖、优劣性等维度完成深度横向对比，沉淀行业评测方法论资产库。\n2. 研究向工程转化：将前沿学术成果与产业最佳实践转化为团队可落地的评测方法论，针对多模态模型的能力短板设计创新评测维度与测试方案，驱动团队评测体系的持续迭代与技术升级。\n3. 结果归因及调优指导：通过各种数据分析方法，深度分析模型评测结果，为大模型的更新调优提供精准的问题分析结论。\n1. 摄影类、影视美术类、表演创作、音频、音乐类等相关专业硕士及以上学历，对该领域有深度了解，专业排名前15%。\n2. 具备优秀的英文文献阅读、提炼与综述能力，可快速抓取顶会论文的核心方法与技术本质。\n3. 熟悉多模态大模型、生成式AI、计算机视觉、大语言模型中至少一个领域的技术发展脉络，对前沿技术有高度敏感度与持续探索热情。\n4. 理解主流评测协议的设计逻辑与统计学原理，具备评测基准拆解、横向对比分析的系统思维。\n5. 具备较强的落地转化能力，能够将前沿理论方法转化为可执行的评测方案与落地路径。\n6. 自驱力强，逻辑清晰，具备良好的沟通协作与技术表达能力。\n加分项\n1. 在NeurIPS、ICML、CVPR、ICCV、ACL、ACM MM等顶会/顶刊发表过多模态、模型评测相关论文。\n2. 有主流多模态Benchmark构建、大规模模型评测或评测体系设计相关项目经验。\n3. 具备多模态模型训练、推理或数据构建相关工程实践经验。\n4. 熟悉统计学评估方法与指标设计，有量化评估、人机协同评测相关研究背景。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}