主分类：AI训练推理与计算优化
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": "Token Foundry-模型训练/推理优化算法专家-万相Wan",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "通义",
"company_industry": "人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "通义提供人工智能模型及文档阅读等AI应用。"
},
"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、机器学习能等领域的博士/硕士毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【部门介绍】\n随着大模型技术的飞速发展，理解和生成多模态数据（图像、视频、音频、3D素材等）的能力日益增强。目前，构建能够同时进行输入和输出的多模态世界模型已成为业界的研究热点，也是实现通用人工智能（AGI）的重要技术路径之一。\n万相Wan将持续在世界模型、原生多模态预训练、理解-生成融合范式、统一Tokenizer研究、人类反馈与强化学习等前沿技术方向上进行探索，始终追求在多模态世界模型领域的领先研究地位，致力于建立世界级的技术影响力。\n【职位描述】\n1. 负责万相Wan多模态生成大模型研发，重点解决生成大模型的训练和推理效率问题。\n2. 负责研发各种蒸馏加速算法，包括CFG蒸馏，推理步数蒸馏等。\n3. 负责研发各种Training-free推理加速算法，不限于cache、量化、采样优化等策略。\n4. 负责研发生成模型的高效训练架构，包括但不限于sparse/linear attention、时空独立建模、超分模块等策略。",
"requirements_text": "1. 计算机科学、人工智能、机器学习能等领域的博士/硕士毕业生，掌握机器学习和深度学习基础知识，熟悉常用视觉生成算法，熟悉Pytorch、Tensorflow等至少一种深度学习框架。\n2. 极佳的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言 ，ACM/ICPC、topcoder等编程比赛获奖者优先。\n3. 良好的科研能力，有成果发表在CVPR、ICCV、NeurIPS、ICLR、TPAMI等国际顶级会议、期刊者优先。\n4. 对生成方向具有技术热情、良好的技术洞察力和优秀的业务分析能力，能应对复杂的业务算法需求。\n5. 关注技术影响力，具有开源开放精神，对基础模型的前沿问题有持续热情，有追求，渴望做出有极大影响力的工作。\n6. 具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"分析能力"
],
"preferred_qualifications": "2. 极佳的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言 ，ACM/ICPC、topcoder等编程比赛获奖者优先；3. 良好的科研能力，有成果发表在CVPR、ICCV、NeurIPS、ICLR、TPAMI等国际顶级会议、期刊者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=7000043416"
}
]
},
"posting": {
"posting_id": "7000043416",
"post_date": "2026-09-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=7000043416"
},
"fulltext": "Token Foundry-模型训练/推理优化算法专家-万相Wan\nToken Foundry-模型训练/推理优化算法专家-万相Wan\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n【部门介绍】\n随着大模型技术的飞速发展，理解和生成多模态数据（图像、视频、音频、3D素材等）的能力日益增强。目前，构建能够同时进行输入和输出的多模态世界模型已成为业界的研究热点，也是实现通用人工智能（AGI）的重要技术路径之一。\n万相Wan将持续在世界模型、原生多模态预训练、理解-生成融合范式、统一Tokenizer研究、人类反馈与强化学习等前沿技术方向上进行探索，始终追求在多模态世界模型领域的领先研究地位，致力于建立世界级的技术影响力。\n【职位描述】\n1. 负责万相Wan多模态生成大模型研发，重点解决生成大模型的训练和推理效率问题。\n2. 负责研发各种蒸馏加速算法，包括CFG蒸馏，推理步数蒸馏等。\n3. 负责研发各种Training-free推理加速算法，不限于cache、量化、采样优化等策略。\n4. 负责研发生成模型的高效训练架构，包括但不限于sparse/linear attention、时空独立建模、超分模块等策略。\n\n职位要求\n1. 计算机科学、人工智能、机器学习能等领域的博士/硕士毕业生，掌握机器学习和深度学习基础知识，熟悉常用视觉生成算法，熟悉Pytorch、Tensorflow等至少一种深度学习框架。\n2. 极佳的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言 ，ACM/ICPC、topcoder等编程比赛获奖者优先。\n3. 良好的科研能力，有成果发表在CVPR、ICCV、NeurIPS、ICLR、TPAMI等国际顶级会议、期刊者优先。\n4. 对生成方向具有技术热情、良好的技术洞察力和优秀的业务分析能力，能应对复杂的业务算法需求。\n5. 关注技术影响力，具有开源开放精神，对基础模型的前沿问题有持续热情，有追求，渴望做出有极大影响力的工作。\n6. 具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响。\n【部门介绍】\n随着大模型技术的飞速发展，理解和生成多模态数据（图像、视频、音频、3D素材等）的能力日益增强。目前，构建能够同时进行输入和输出的多模态世界模型已成为业界的研究热点，也是实现通用人工智能（AGI）的重要技术路径之一。\n万相Wan将持续在世界模型、原生多模态预训练、理解-生成融合范式、统一Tokenizer研究、人类反馈与强化学习等前沿技术方向上进行探索，始终追求在多模态世界模型领域的领先研究地位，致力于建立世界级的技术影响力。\n【职位描述】\n1. 负责万相Wan多模态生成大模型研发，重点解决生成大模型的训练和推理效率问题。\n2. 负责研发各种蒸馏加速算法，包括CFG蒸馏，推理步数蒸馏等。\n3. 负责研发各种Training-free推理加速算法，不限于cache、量化、采样优化等策略。\n4. 负责研发生成模型的高效训练架构，包括但不限于sparse/linear attention、时空独立建模、超分模块等策略。\n1. 计算机科学、人工智能、机器学习能等领域的博士/硕士毕业生，掌握机器学习和深度学习基础知识，熟悉常用视觉生成算法，熟悉Pytorch、Tensorflow等至少一种深度学习框架。\n2. 极佳的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言 ，ACM/ICPC、topcoder等编程比赛获奖者优先。\n3. 良好的科研能力，有成果发表在CVPR、ICCV、NeurIPS、ICLR、TPAMI等国际顶级会议、期刊者优先。\n4. 对生成方向具有技术热情、良好的技术洞察力和优秀的业务分析能力，能应对复杂的业务算法需求。\n5. 关注技术影响力，具有开源开放精神，对基础模型的前沿问题有持续热情，有追求，渴望做出有极大影响力的工作。\n6. 具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}