主分类：大模型与生成式算法研发
辅助：Agent系统开发（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": "日常实习生-Cowork Agent-Qwen基础模型",
"job_level": "实习",AI生成
"work_category": "实习",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": "计算机科学、人工智能、机器学习、深度学习、软件工程或相关专业在读硕士/博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "参与面向行业专家场景的高价值 Cowork Agent 构建与落地实践，协助推动大模型在 Agent 环境中完成真实世界复杂任务，持续提升模型在高价值业务场景中的表现，拓展大模型的实际能力边界。\n1. Envs/Harness Building & Generalization：参与主流 Agent harness 环境的复现、维护与优化，提升模型在不同 harness 场景下的泛化能力；配合探索多 Agent、自动化环境构建与循环执行等方案，并与算法和数据链路协同优化效果。\n2. Data Design & Scaling：参与金融、量化、法律、医疗、设计、数据分析、工业、工程等场景下高价值任务数据的挖掘与构建；配合探索面向用户需求的数据模式演化、长程任务数据流水线设计，以及 CPT/SFT/RL 的协同优化。\n3. Agentic Rewarding System：参与面向真实 Agent 任务的通用验证与奖励机制设计，协助实现结果级与过程级监督信号、自动化评分与反馈系统。\n4. Real World RL：参与基于真实环境和真实任务的 Agent 强化学习实验，探索多步奖励设计、行为学习与端到端训练策略。",
"requirements_text": "1. 计算机科学、人工智能、机器学习、深度学习、软件工程或相关专业在读硕士/博士，具备扎实的数理基础和编程基础。\n2. 对大语言模型或多模态大模型有浓厚兴趣，了解深度学习、模型训练、优化算法、生成式模型、自监督学习等方向中的一个或多个；具备相关课程、项目或科研经历者优先。\n3. 具备较强的学习能力和研究潜力，能够快速理解并复现前沿论文、跟踪技术进展；有论文、开源项目、竞赛或高质量技术实践经历者优先。\n4. 具备良好的代码能力，熟悉 Python 及主流深度学习框架（如 PyTorch / TensorFlow）；有 ACM/ICPC、Topcoder 等编程竞赛经历者优先。\n5. 具备主动思考和探索精神，对 AI 前沿技术保持好奇心，愿意深入钻研并持续提升自己的技术能力。\n6. 具备良好的团队协作和沟通能力，能够与工程、产品等团队配合完成任务。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"模型训练",
"团队协作",
"沟通能力",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "具备相关课程、项目或科研经历者优先；有论文、开源项目、竞赛或高质量技术实践经历者优先；有 ACM/ICPC、Topcoder 等编程竞赛经历者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199909060002?deptCodes="
}
]
},
"posting": {
"posting_id": "199909060002",
"post_date": "2026-08-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199909060002?deptCodes="
},
"fulltext": "日常实习生-Cowork Agent-Qwen基础模型\n日常实习生-Cowork Agent-Qwen基础模型\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2032-10-31\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 / 上海\n\n职位描述\n参与面向行业专家场景的高价值 Cowork Agent 构建与落地实践，协助推动大模型在 Agent 环境中完成真实世界复杂任务，持续提升模型在高价值业务场景中的表现，拓展大模型的实际能力边界。\n1. Envs/Harness Building & Generalization：参与主流 Agent harness 环境的复现、维护与优化，提升模型在不同 harness 场景下的泛化能力；配合探索多 Agent、自动化环境构建与循环执行等方案，并与算法和数据链路协同优化效果。\n2. Data Design & Scaling：参与金融、量化、法律、医疗、设计、数据分析、工业、工程等场景下高价值任务数据的挖掘与构建；配合探索面向用户需求的数据模式演化、长程任务数据流水线设计，以及 CPT/SFT/RL 的协同优化。\n3. Agentic Rewarding System：参与面向真实 Agent 任务的通用验证与奖励机制设计，协助实现结果级与过程级监督信号、自动化评分与反馈系统。\n4. Real World RL：参与基于真实环境和真实任务的 Agent 强化学习实验，探索多步奖励设计、行为学习与端到端训练策略。\n\n职位要求\n1. 计算机科学、人工智能、机器学习、深度学习、软件工程或相关专业在读硕士/博士，具备扎实的数理基础和编程基础。\n2. 对大语言模型或多模态大模型有浓厚兴趣，了解深度学习、模型训练、优化算法、生成式模型、自监督学习等方向中的一个或多个；具备相关课程、项目或科研经历者优先。\n3. 具备较强的学习能力和研究潜力，能够快速理解并复现前沿论文、跟踪技术进展；有论文、开源项目、竞赛或高质量技术实践经历者优先。\n4. 具备良好的代码能力，熟悉 Python 及主流深度学习框架（如 PyTorch / TensorFlow）；有 ACM/ICPC、Topcoder 等编程竞赛经历者优先。\n5. 具备主动思考和探索精神，对 AI 前沿技术保持好奇心，愿意深入钻研并持续提升自己的技术能力。\n6. 具备良好的团队协作和沟通能力，能够与工程、产品等团队配合完成任务。\n\n在招业务\nToken Foundry\n参与面向行业专家场景的高价值 Cowork Agent 构建与落地实践，协助推动大模型在 Agent 环境中完成真实世界复杂任务，持续提升模型在高价值业务场景中的表现，拓展大模型的实际能力边界。\n1. Envs/Harness Building & Generalization：参与主流 Agent harness 环境的复现、维护与优化，提升模型在不同 harness 场景下的泛化能力；配合探索多 Agent、自动化环境构建与循环执行等方案，并与算法和数据链路协同优化效果。\n2. Data Design & Scaling：参与金融、量化、法律、医疗、设计、数据分析、工业、工程等场景下高价值任务数据的挖掘与构建；配合探索面向用户需求的数据模式演化、长程任务数据流水线设计，以及 CPT/SFT/RL 的协同优化。\n3. Agentic Rewarding System：参与面向真实 Agent 任务的通用验证与奖励机制设计，协助实现结果级与过程级监督信号、自动化评分与反馈系统。\n4. Real World RL：参与基于真实环境和真实任务的 Agent 强化学习实验，探索多步奖励设计、行为学习与端到端训练策略。\n1. 计算机科学、人工智能、机器学习、深度学习、软件工程或相关专业在读硕士/博士，具备扎实的数理基础和编程基础。\n2. 对大语言模型或多模态大模型有浓厚兴趣，了解深度学习、模型训练、优化算法、生成式模型、自监督学习等方向中的一个或多个；具备相关课程、项目或科研经历者优先。\n3. 具备较强的学习能力和研究潜力，能够快速理解并复现前沿论文、跟踪技术进展；有论文、开源项目、竞赛或高质量技术实践经历者优先。\n4. 具备良好的代码能力，熟悉 Python 及主流深度学习框架（如 PyTorch / TensorFlow）；有 ACM/ICPC、Topcoder 等编程竞赛经历者优先。\n5. 具备主动思考和探索精神，对 AI 前沿技术保持好奇心，愿意深入钻研并持续提升自己的技术能力。\n6. 具备良好的团队协作和沟通能力，能够与工程、产品等团队配合完成任务。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}