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-全模态基础大模型",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责音频/音视频Agentic能力，包括原生音视频Agentic/Long-horizen, 全模态Agentic/Coding不降智等。\n2. 负责音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。\n3. 负责音频/语音理解基础能力: 包括ASR, MultiSpkASR, 语音/音频Grouding/Counting/QA，音乐理解，长音频，多音频理解等。\n4. 负责全模态包括音频/音视频Postrain/RL/OPD。\n5. 负责音视频通话与交互：包括全音视频双工，音频query不降智/体感优化等。\n6. 负责语音生成基础能力: 包括音色克隆，可控性，长语音生成稳定性等。\n7. 全模态模型自主优化与Self-evolving。",
"requirements_text": "1. 硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业。\n2. 具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强。\n3. 熟悉视频理解，音频理解，Agentic，实时交互等核心技术，具备以下一项或多项经验：\n- 音频/音视频/视频的建模经验；\n- Agent算法经验 (不限于多模态)；\n- 大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；\n- 实时交互模型开发，包括打断/判停/主动交互/GPT-Live。\n4. 对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。",
"skills": [AI生成
"Python",
"C++",
"机器学习",
"强化学习",
"自然语言处理",
"信号处理",
"团队协作",
"建模",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908460006?deptCodes="
}
]
},
"posting": {
"posting_id": "199908460006",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908460006?deptCodes="
},
"fulltext": "算法工程师-全模态基础大模型\n算法工程师-全模态基础大模型\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. 负责音频/音视频Agentic能力，包括原生音视频Agentic/Long-horizen, 全模态Agentic/Coding不降智等。\n2. 负责音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。\n3. 负责音频/语音理解基础能力: 包括ASR, MultiSpkASR, 语音/音频Grouding/Counting/QA，音乐理解，长音频，多音频理解等。\n4. 负责全模态包括音频/音视频Postrain/RL/OPD。\n5. 负责音视频通话与交互：包括全音视频双工，音频query不降智/体感优化等。\n6. 负责语音生成基础能力: 包括音色克隆，可控性，长语音生成稳定性等。\n7. 全模态模型自主优化与Self-evolving。\n\n职位要求\n1. 硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业。\n2. 具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强。\n3. 熟悉视频理解，音频理解，Agentic，实时交互等核心技术，具备以下一项或多项经验：\n- 音频/音视频/视频的建模经验；\n- Agent算法经验 (不限于多模态)；\n- 大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；\n- 实时交互模型开发，包括打断/判停/主动交互/GPT-Live。\n4. 对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。\n\n在招业务\nToken Foundry\n1. 负责音频/音视频Agentic能力，包括原生音视频Agentic/Long-horizen, 全模态Agentic/Coding不降智等。\n2. 负责音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。\n3. 负责音频/语音理解基础能力: 包括ASR, MultiSpkASR, 语音/音频Grouding/Counting/QA，音乐理解，长音频，多音频理解等。\n4. 负责全模态包括音频/音视频Postrain/RL/OPD。\n5. 负责音视频通话与交互：包括全音视频双工，音频query不降智/体感优化等。\n6. 负责语音生成基础能力: 包括音色克隆，可控性，长语音生成稳定性等。\n7. 全模态模型自主优化与Self-evolving。\n1. 硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业。\n2. 具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强。\n3. 熟悉视频理解，音频理解，Agentic，实时交互等核心技术，具备以下一项或多项经验：\n- 音频/音视频/视频的建模经验；\n- Agent算法经验 (不限于多模态)；\n- 大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；\n- 实时交互模型开发，包括打断/判停/主动交互/GPT-Live。\n4. 对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}