主分类：AI应用开发（非Agent）
辅助：大模型与生成式算法研发、计算机视觉与图像感知算法研发（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": "研究型实习生-智能算法产品事业部-AI应用算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、自然语言处理、多模态等相关专业的硕士生/博士生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 面向电商客服场景，升级现有「离线 Caption + 在线 RAG」链路，研发多通道检索索引（视觉语义 / OCR 文本 / 结构化属性）与模态自适应路由，并构建多模态知识重要性图谱驱动的上下文压缩，解决细节问题检索不准与多轮长上下文知识遗忘。\n2. 研发视觉定位增强的图文回复生成能力，让 Agent 自主决定何时引用哪张图，并输出框选 / 圈选 / 箭头 / 高亮等空间标注，做到「说到哪、圈到哪」，同步优化标注必要性与图文一致性。\n3. 研发循环式 On-Policy 蒸馏的持续自进化训练体系，包括成功轨迹的分布级自蒸馏、能力缺口驱动的定向 Teacher 蒸馏与 Teacher 渐进退役，实现新品类与新话术快速习得、旧能力低衰减，把上线周期从周级压到天级。\n4. 负责上述能力的数据 pipeline、训练与评测闭环建设，推动在真实客服链路上做 A/B 验证并落地，同时沉淀论文与发明专利，与业界、学术界保持交流。",
"requirements_text": "1. 计算机、人工智能、自然语言处理、多模态等相关专业的硕士生/博士生，有扎实的编程基础和独立的算法实现能力，熟练掌握 PyTorch；\n2. 熟悉多模态大模型（Qwen-VL / CLIP / SigLIP 等）与 RAG 技术栈，做过检索、视觉定位或图文交错生成中任一方向的实际项目者优先；\n3. 有大模型后训练实操经验，参与过 SFT、强化学习或知识蒸馏项目，理解分布对齐与灾难性遗忘问题者优先；\n4. 具备良好的逻辑分析与数理基础，能自己定义指标、搭评测集并从实验数据里找问题，在人工智能相关国际顶级会议/期刊发表过论文者优先。",
"skills": [AI生成
"PyTorch",
"强化学习",
"自然语言处理",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "2. 熟悉多模态大模型（Qwen-VL / CLIP / SigLIP 等）与 RAG 技术栈，做过检索、视觉定位或图文交错生成中任一方向的实际项目者优先；3. 有大模型后训练实操经验，参与过 SFT、强化学习或知识蒸馏项目，理解分布对齐与灾难性遗忘问题者优先；4. 具备良好的逻辑分析与数理基础，能自己定义指标、搭评测集并从实验数据里找问题，在人工智能相关国际顶级会议/期刊发表过论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199909340002?deptCodes="
}
]
},
"posting": {
"posting_id": "199909340002",
"post_date": "2026-09-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199909340002?deptCodes="
},
"fulltext": "研究型实习生-智能算法产品事业部-AI应用算法工程师\n研究型实习生-智能算法产品事业部-AI应用算法工程师\n\n基础信息\n毕业起止时间要求：2026-08-31 - 2032-09-30\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\n1. 面向电商客服场景，升级现有「离线 Caption + 在线 RAG」链路，研发多通道检索索引（视觉语义 / OCR 文本 / 结构化属性）与模态自适应路由，并构建多模态知识重要性图谱驱动的上下文压缩，解决细节问题检索不准与多轮长上下文知识遗忘。\n2. 研发视觉定位增强的图文回复生成能力，让 Agent 自主决定何时引用哪张图，并输出框选 / 圈选 / 箭头 / 高亮等空间标注，做到「说到哪、圈到哪」，同步优化标注必要性与图文一致性。\n3. 研发循环式 On-Policy 蒸馏的持续自进化训练体系，包括成功轨迹的分布级自蒸馏、能力缺口驱动的定向 Teacher 蒸馏与 Teacher 渐进退役，实现新品类与新话术快速习得、旧能力低衰减，把上线周期从周级压到天级。\n4. 负责上述能力的数据 pipeline、训练与评测闭环建设，推动在真实客服链路上做 A/B 验证并落地，同时沉淀论文与发明专利，与业界、学术界保持交流。\n\n职位要求\n1. 计算机、人工智能、自然语言处理、多模态等相关专业的硕士生/博士生，有扎实的编程基础和独立的算法实现能力，熟练掌握 PyTorch；\n2. 熟悉多模态大模型（Qwen-VL / CLIP / SigLIP 等）与 RAG 技术栈，做过检索、视觉定位或图文交错生成中任一方向的实际项目者优先；\n3. 有大模型后训练实操经验，参与过 SFT、强化学习或知识蒸馏项目，理解分布对齐与灾难性遗忘问题者优先；\n4. 具备良好的逻辑分析与数理基础，能自己定义指标、搭评测集并从实验数据里找问题，在人工智能相关国际顶级会议/期刊发表过论文者优先。\n\n在招业务\n淘天集团\n1. 面向电商客服场景，升级现有「离线 Caption + 在线 RAG」链路，研发多通道检索索引（视觉语义 / OCR 文本 / 结构化属性）与模态自适应路由，并构建多模态知识重要性图谱驱动的上下文压缩，解决细节问题检索不准与多轮长上下文知识遗忘。\n2. 研发视觉定位增强的图文回复生成能力，让 Agent 自主决定何时引用哪张图，并输出框选 / 圈选 / 箭头 / 高亮等空间标注，做到「说到哪、圈到哪」，同步优化标注必要性与图文一致性。\n3. 研发循环式 On-Policy 蒸馏的持续自进化训练体系，包括成功轨迹的分布级自蒸馏、能力缺口驱动的定向 Teacher 蒸馏与 Teacher 渐进退役，实现新品类与新话术快速习得、旧能力低衰减，把上线周期从周级压到天级。\n4. 负责上述能力的数据 pipeline、训练与评测闭环建设，推动在真实客服链路上做 A/B 验证并落地，同时沉淀论文与发明专利，与业界、学术界保持交流。\n1. 计算机、人工智能、自然语言处理、多模态等相关专业的硕士生/博士生，有扎实的编程基础和独立的算法实现能力，熟练掌握 PyTorch；\n2. 熟悉多模态大模型（Qwen-VL / CLIP / SigLIP 等）与 RAG 技术栈，做过检索、视觉定位或图文交错生成中任一方向的实际项目者优先；\n3. 有大模型后训练实操经验，参与过 SFT、强化学习或知识蒸馏项目，理解分布对齐与灾难性遗忘问题者优先；\n4. 具备良好的逻辑分析与数理基础，能自己定义指标、搭评测集并从实验数据里找问题，在人工智能相关国际顶级会议/期刊发表过论文者优先。",
"standard_classification": {
"std_category_code": "T008",
"std_aux_codes": [
"T010",
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}