主分类：大模型与生成式算法研发
辅助：AI训练推理与计算优化（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": "下一代视觉通用大模型架构创新与高效训练范式研究-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "Token Foundry",
"location": "北京",
"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": "计算机科学、计算机视觉、人工智能等领域博士/硕士毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 研究并设计高效的视觉通用大模型架构，应对复杂视觉任务，提升模型的准确性和泛化能力；\n2. 优化底层算子和通信机制，探索自适应学习率等高效训练策略，提升模型训练速度，降低硬件资源消耗；\n3. 研发自动化评估方法及数据过滤/标注模型，提高数据质量，为模型架构和训练策略的持续优化提供闭环支持；\n4. 平衡前沿研究与工程落地，与多学科团队紧密协作，推动研究成果在Qwen-Image基座模型及实际业务中快速落地。",
"requirements_text": "1. 计算机科学、计算机视觉、人工智能等领域博士/硕士毕业生，对通用视觉理解或生成模型有深入研究与实践；\n2. 在图像/视频/3D等至少一种模态上有实际研发经验，熟练掌握PyTorch/Megatron等大模型框架，具备优秀的Coding与系统工程能力；\n3. 具备独立思考与系统性研究思维，敢于挑战现有范式，对AI基础模型前沿问题有持续热情与开源精神；\n4. 善于平衡研究目标与工程落地，具备跨学科视野与协作意识，能推动研究成果快速落地并产生实际影响力。",
"skills": [AI生成
"PyTorch",
"计算机视觉",
"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/199908480007?deptCodes="
}
]
},
"posting": {
"posting_id": "199908480007",
"post_date": "2026-08-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908480007?deptCodes="
},
"fulltext": "下一代视觉通用大模型架构创新与高效训练范式研究-阿里星\n下一代视觉通用大模型架构创新与高效训练范式研究-阿里星\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\n\n职位描述\n1. 研究并设计高效的视觉通用大模型架构，应对复杂视觉任务，提升模型的准确性和泛化能力；\n2. 优化底层算子和通信机制，探索自适应学习率等高效训练策略，提升模型训练速度，降低硬件资源消耗；\n3. 研发自动化评估方法及数据过滤/标注模型，提高数据质量，为模型架构和训练策略的持续优化提供闭环支持；\n4. 平衡前沿研究与工程落地，与多学科团队紧密协作，推动研究成果在Qwen-Image基座模型及实际业务中快速落地。\n\n职位要求\n1. 计算机科学、计算机视觉、人工智能等领域博士/硕士毕业生，对通用视觉理解或生成模型有深入研究与实践；\n2. 在图像/视频/3D等至少一种模态上有实际研发经验，熟练掌握PyTorch/Megatron等大模型框架，具备优秀的Coding与系统工程能力；\n3. 具备独立思考与系统性研究思维，敢于挑战现有范式，对AI基础模型前沿问题有持续热情与开源精神；\n4. 善于平衡研究目标与工程落地，具备跨学科视野与协作意识，能推动研究成果快速落地并产生实际影响力。\n\n在招业务\nToken Foundry\n1. 研究并设计高效的视觉通用大模型架构，应对复杂视觉任务，提升模型的准确性和泛化能力；\n2. 优化底层算子和通信机制，探索自适应学习率等高效训练策略，提升模型训练速度，降低硬件资源消耗；\n3. 研发自动化评估方法及数据过滤/标注模型，提高数据质量，为模型架构和训练策略的持续优化提供闭环支持；\n4. 平衡前沿研究与工程落地，与多学科团队紧密协作，推动研究成果在Qwen-Image基座模型及实际业务中快速落地。\n1. 计算机科学、计算机视觉、人工智能等领域博士/硕士毕业生，对通用视觉理解或生成模型有深入研究与实践；\n2. 在图像/视频/3D等至少一种模态上有实际研发经验，熟练掌握PyTorch/Megatron等大模型框架，具备优秀的Coding与系统工程能力；\n3. 具备独立思考与系统性研究思维，敢于挑战现有范式，对AI基础模型前沿问题有持续热情与开源精神；\n4. 善于平衡研究目标与工程落地，具备跨学科视野与协作意识，能推动研究成果快速落地并产生实际影响力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}