{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "多模态世界模型强化学习研究与应用-阿里星",
        "job_level": "阿里巴巴2027届应届生",AI生成
        "work_category": "freshman",AI生成
        "department": "Token Foundry",
        "location": "北京 / 杭州",
        "work_mode": "",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里巴巴集团",
        "company_industry": "",
        "company_size": "",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "",
            "cycle": ""
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "多模态世界模型强化学习研究与应用-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 / 杭州\n\n职位描述\n1、跟进并研发多模态大模型的强化学习对齐技术，提升模型在多模态任务中的表现；\n2、负责强化学习对齐技术研发，包括Reward Model训练、PPO/DPO/GRPO等策略优化算法的实现与优化；\n3、通过强化学习提升世界模型智能和效果上限提升；\n4、参与设计和开发高效的强化学习训练框架，支持大规模分布式RL训练、高效rollout采样、异步训练pipeline等基础设施建设。\n\n职位要求\n1、计算机、人工智能、自动化等相关专业；\n2、在多模态大模型和生成式模型（扩散/自回归模型）上有资深背景，对前沿进展和领域问题有深入理解;\n3、具有主流大模型的实战经验 (视频生成/VLM/LLM/LMM)，有国际高影响力的项目成果;\n4、对 AGI 有极强的热情，能够从第一性原理出发解决世界模型领域问题。\n\n在招业务\nToken Foundry",
        "requirements_text": "",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": []
    },
    "posting": {
        "posting_id": "199907660008",
        "post_date": "2026-08-13",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907660008?deptCodes="
    },
    "fulltext": "多模态世界模型强化学习研究与应用-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 / 杭州\n\n职位描述\n1、跟进并研发多模态大模型的强化学习对齐技术，提升模型在多模态任务中的表现；\n2、负责强化学习对齐技术研发，包括Reward Model训练、PPO/DPO/GRPO等策略优化算法的实现与优化；\n3、通过强化学习提升世界模型智能和效果上限提升；\n4、参与设计和开发高效的强化学习训练框架，支持大规模分布式RL训练、高效rollout采样、异步训练pipeline等基础设施建设。\n\n职位要求\n1、计算机、人工智能、自动化等相关专业；\n2、在多模态大模型和生成式模型（扩散/自回归模型）上有资深背景，对前沿进展和领域问题有深入理解;\n3、具有主流大模型的实战经验 (视频生成/VLM/LLM/LMM)，有国际高影响力的项目成果;\n4、对 AGI 有极强的热情，能够从第一性原理出发解决世界模型领域问题。\n\n在招业务\nToken Foundry"
}