{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "面向云原生的因果世界模型与自主运维智能体-A Star",
        "job_level": "阿里巴巴2027届应届生",AI生成
        "work_category": "freshman",AI生成
        "department": "阿里云",
        "location": "杭州",
        "work_mode": "",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里云",
        "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": "面向云原生的因果世界模型与自主运维智能体-A Star\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：杭州\n\n职位描述\n负责阿里云可观测平台核心算法与智能引擎建设，沉淀深厚的运维领域知识与经验。加入该岗位，您将基于大模型技术，构建下一代 AIOps 产品核心竞争力，打造面向未来的智能运维基础设施。\n1. 研发可观测核心算子，负责设计与研发面向海量可观测数据的核心算法算子，实现对海量原始数据的高效预处理与特征提取，为上层智能应用提供高质量输入；\n2. 参与 AIOps Agent 设计与研发，负责 LLM 驱动的 AIOps Agent 的核心算法研发。通过多 Agent 架构解决复杂场景下的根因定位、影响评估、智能巡检、辅助运维等难题；\n3. 构建并应用 AIOps Benchmark 体系，设计和落地具有业界影响力的 AIOps Benchmark 评测体系。通过系统化的故障注入与案例复盘，构建覆盖广泛、高度真实的评测数据集，用于度量和持续优化 AIOps 系统的泛化能力；\n4. 探索前沿模型训练与优化技术，运用监督微调（SFT）、强化学习（RLHF）等前沿技术，针对 AIOps 中的关键过程进行模型优化和迭代，持续提升 AIOps 的准确性和性能；\n5. 追踪前沿并推动技术落地，持续追踪和研究 LLM、Agent、知识图谱、图神经网络、因果推理等技术在 AIOps 领域的最新进展，结合阿里云可观测产品的实际场景，探索和推动前沿技术的应用与落地，构建技术壁垒。\n\n职位要求\n1. 专业背景扎实，计算机、人工智能、软件工程、模式识别、统计学等相关专业；\n2. 具备扎实的算法功底，熟练掌握机器学习/深度学习算法基础，在顶级会议/期刊发表过相关论文；\n3. 掌握 LLM 技术能力，熟悉 LLM 主流算法原理，在 Fine-tuning、Prompt Engineering、RAG、Agentic 应用开发等一个或多个方向有实践经验；\n4. 对 AI 有极客般的探索与实战精神：对大模型、AI Agent 技术有浓厚兴趣，能熟练使用 AI 编程工具，有过大模型微调，或 Agent 应用开发，上下文工程等相关开发经验优先；\n5. 有强烈技术热情和好奇心，自驱力和学习力强；具备良好的分析与解决问题的能力、沟通以及团队合作能力；喜欢挑战性的技术研发工作，善于攻坚克难，有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破。\n加分项：\n1. 在时序分析、异常检测、因果推断、图算法（GNN）、强化学习等领域有研究或实践经验；\n2. 熟悉可观测、智能运维，有 Kubernetes、Prometheus、OpenTelemetry 等开源项目相关使用经验。\n\n在招业务\n阿里云",
        "requirements_text": "",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": []
    },
    "posting": {
        "posting_id": "199907640055",
        "post_date": "2026-08-13",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907640055?deptCodes="
    },
    "fulltext": "面向云原生的因果世界模型与自主运维智能体-A Star\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：杭州\n\n职位描述\n负责阿里云可观测平台核心算法与智能引擎建设，沉淀深厚的运维领域知识与经验。加入该岗位，您将基于大模型技术，构建下一代 AIOps 产品核心竞争力，打造面向未来的智能运维基础设施。\n1. 研发可观测核心算子，负责设计与研发面向海量可观测数据的核心算法算子，实现对海量原始数据的高效预处理与特征提取，为上层智能应用提供高质量输入；\n2. 参与 AIOps Agent 设计与研发，负责 LLM 驱动的 AIOps Agent 的核心算法研发。通过多 Agent 架构解决复杂场景下的根因定位、影响评估、智能巡检、辅助运维等难题；\n3. 构建并应用 AIOps Benchmark 体系，设计和落地具有业界影响力的 AIOps Benchmark 评测体系。通过系统化的故障注入与案例复盘，构建覆盖广泛、高度真实的评测数据集，用于度量和持续优化 AIOps 系统的泛化能力；\n4. 探索前沿模型训练与优化技术，运用监督微调（SFT）、强化学习（RLHF）等前沿技术，针对 AIOps 中的关键过程进行模型优化和迭代，持续提升 AIOps 的准确性和性能；\n5. 追踪前沿并推动技术落地，持续追踪和研究 LLM、Agent、知识图谱、图神经网络、因果推理等技术在 AIOps 领域的最新进展，结合阿里云可观测产品的实际场景，探索和推动前沿技术的应用与落地，构建技术壁垒。\n\n职位要求\n1. 专业背景扎实，计算机、人工智能、软件工程、模式识别、统计学等相关专业；\n2. 具备扎实的算法功底，熟练掌握机器学习/深度学习算法基础，在顶级会议/期刊发表过相关论文；\n3. 掌握 LLM 技术能力，熟悉 LLM 主流算法原理，在 Fine-tuning、Prompt Engineering、RAG、Agentic 应用开发等一个或多个方向有实践经验；\n4. 对 AI 有极客般的探索与实战精神：对大模型、AI Agent 技术有浓厚兴趣，能熟练使用 AI 编程工具，有过大模型微调，或 Agent 应用开发，上下文工程等相关开发经验优先；\n5. 有强烈技术热情和好奇心，自驱力和学习力强；具备良好的分析与解决问题的能力、沟通以及团队合作能力；喜欢挑战性的技术研发工作，善于攻坚克难，有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破。\n加分项：\n1. 在时序分析、异常检测、因果推断、图算法（GNN）、强化学习等领域有研究或实践经验；\n2. 熟悉可观测、智能运维，有 Kubernetes、Prometheus、OpenTelemetry 等开源项目相关使用经验。\n\n在招业务\n阿里云"
}