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": "研究型实习生-大模型后训练-Accio Work",
"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": "背景： 计算机、数学或相关专业在读（硕士/博士优先）",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【项目介绍】\n本项目旨在通过 RL 与其它后训练方法，提高Agent模型能力，解决包括但不限于 tool use，长程任务等问题。\n【岗位职责】\n1. 大规模后训练实践： 参与构建大模型后训练/Agent模型训练数据及benchmark，利用分布式训练框架（如 Megatron-LM, verl）进行大规模模型调优；\n2. 算法研究与优化： 探索大模型、Agent相关的前沿算法，产出 Novelty 和实用性兼具的工作；\n3. 前沿追踪：Follow 最新的学术工作，逐步养成比较好的 taste。",
"requirements_text": "1. 背景： 计算机、数学或相关专业在读（硕士/博士优先），熟悉大模型训练流程；\n2. 技术栈： 熟悉 PyTorch，对 Megatron，Deepspeed 等分布式框架和分布式并行策略（TP/PP/DP/CP）有实操经验；\n3. 良好的论文阅读与工程实现能力，希望在顶会（NeurIPS, ICLR, CVPR）发表高影响力工作。",
"skills": [AI生成
"PyTorch",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "1. 背景： 计算机、数学或相关专业在读（硕士/博士优先），熟悉大模型训练流程",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199909000002?deptCodes="
}
]
},
"posting": {
"posting_id": "199909000002",
"post_date": "2026-08-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199909000002?deptCodes="
},
"fulltext": "研究型实习生-大模型后训练-Accio Work\n研究型实习生-大模型后训练-Accio Work\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-12-31\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：杭州\n\n职位描述\n【项目介绍】\n本项目旨在通过 RL 与其它后训练方法，提高Agent模型能力，解决包括但不限于 tool use，长程任务等问题。\n【岗位职责】\n1. 大规模后训练实践： 参与构建大模型后训练/Agent模型训练数据及benchmark，利用分布式训练框架（如 Megatron-LM, verl）进行大规模模型调优；\n2. 算法研究与优化： 探索大模型、Agent相关的前沿算法，产出 Novelty 和实用性兼具的工作；\n3. 前沿追踪：Follow 最新的学术工作，逐步养成比较好的 taste。\n\n职位要求\n1. 背景： 计算机、数学或相关专业在读（硕士/博士优先），熟悉大模型训练流程；\n2. 技术栈： 熟悉 PyTorch，对 Megatron，Deepspeed 等分布式框架和分布式并行策略（TP/PP/DP/CP）有实操经验；\n3. 良好的论文阅读与工程实现能力，希望在顶会（NeurIPS, ICLR, CVPR）发表高影响力工作。\n\n在招业务\n阿里国际数字商业集团\n【项目介绍】\n本项目旨在通过 RL 与其它后训练方法，提高Agent模型能力，解决包括但不限于 tool use，长程任务等问题。\n【岗位职责】\n1. 大规模后训练实践： 参与构建大模型后训练/Agent模型训练数据及benchmark，利用分布式训练框架（如 Megatron-LM, verl）进行大规模模型调优；\n2. 算法研究与优化： 探索大模型、Agent相关的前沿算法，产出 Novelty 和实用性兼具的工作；\n3. 前沿追踪：Follow 最新的学术工作，逐步养成比较好的 taste。\n1. 背景： 计算机、数学或相关专业在读（硕士/博士优先），熟悉大模型训练流程；\n2. 技术栈： 熟悉 PyTorch，对 Megatron，Deepspeed 等分布式框架和分布式并行策略（TP/PP/DP/CP）有实操经验；\n3. 良好的论文阅读与工程实现能力，希望在顶会（NeurIPS, ICLR, CVPR）发表高影响力工作。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}