阿里巴巴(中国)有限公司

职位描述
我们的立场：
在阿里这种体量的组织里，最大的挑战往往不是模型参数，而是“系统惯性”。信息传递的失真、协作链路的摩擦、海量文档的沉淀与割裂，这些都是阻碍生产力的流程难题。
我们正在寻找一群聪明的 Builder，利用 Agentic Workflow、MCP 协议和严谨的实验方法，通过写代码来重构组织的运行逻辑。你写的一套 Agent 架构，目标是让很多人的协作变得像运行一段代码一样丝滑。
你在这儿具体干什么？
• 找痛点并“打样”：深入协作的一线，识别那些逻辑最繁琐、最依赖纯人力的高摩擦节点。比如：重构跨部门的信息同步机制，或者用 AI 替代那些低信噪比的例行会议。你需要快速实现第一个能跑通的 PoC。
• 构建 AI 插件与组件： 你会亲手设计一套数据 Schema，或者写一个能在钉钉/内部系统里跑起来的 AI 插件。我们要的是能运行的代码，不是 PPT 方案。
• 做“对照实验”： 你会收集数据，看看加了 AI 之后，同事们的效率真的提高了吗？还是反而更麻烦了？你需要通过数据不断调优你的 Agent 逻辑。
• 端到端交付： 你会经历从“识别失效逻辑”到“架构设计”再到“系统灰度”的全过程。
职位要求
我们在寻找这样的你
• 硬核的“动手派”： 你研究过 Agent 的设计模式，折腾过工具调用的确定性问题，甚至为了让模型更稳而反复打磨过复杂的系统提示词架构。
• 紧跟前沿趋势： 你关注 MCP 的最新进展，理解长上下文利用（Long Context）中的瓶颈，对小模型（SLM）在复杂 Agent 中的分工协作有独到见解。
• 系统工程思维： 面对一团乱麻的现状，你能迅速抽象出一套逻辑清晰的状态机或系统图。你天生讨厌不优雅、低效率的系统设计。
• 定义问题的胆识： 当别人在等指令时，你敢于指着一个过时的流程说：“这在 AI 时代是不合理的，我打算用一套新的架构来重写它。”
• 讨厌低效率： 如果你是一个看到“手动填表”就想写个脚本自动化它的人，那你就是我们要找的人。
为什么来这儿？
• 真实战场，极高杠杆： 阿里有足够复杂的场景让你去折腾，你写的一个小工具，如果能提升 10% 的对齐效率，其背后的价值是巨大的。
• 纯粹的 Builder 社区： 我们像硅谷的 AI Lab 一样工作。在这里，唯一的权威是逻辑，唯一的名片是作品。
• 转正机会： 我们寻找的是未来能定义“AI 时代公司如何运行”的核心成员。
申请要求
• 请务必附上你的 GitHub 链接 或 Technical Deep-dive (技术项目深度复盘)。
• 比起一份精美的简历，我们更希望能看到你独立解决过的一个、让你感到兴奋的复杂技术难题。

岗位职责
1. 作为阿里云汽车大客户技术服务的第一负责人，深入了解客户业务场景，与客户深入合作，进行架构和技术演进，不断提升用云稳定性。
2、帮助客户解决上云用云过程中遇到的疑难技术问题和风险，同时不断推动阿里云产品及服务的优化改进，沉淀上云用云最佳实践。

能力要求：
1、至少有以上的弹性计算、数据库、存储、网络、大数据等相关工作经验，并在某个专业领域有一定技术深度。
2、熟悉云计算产品与技术原理，并有实操使用经验，有阿里云公共云产品相关使用运维经验优先。
3、熟悉云原生的系统架构设计方法，有应用与数据迁移改造方案设计实施经验优先。
4、有大模型应用、模型训练微调相关工作经验
5、具有较强的责任心、抗压能力，并能接受一定频率的出差。
6、具有较强的沟通表达能力、文档写作能力。
加分项：
1. 有阿里云技术认证ACA（阿里云认证助理工程师）、ACP（阿里云认证工程师）、ACE（阿里云认证高级工程师）者优先。
2. 有基于阿里云产品的大规模应用开发或运维经验。
3.有大模型相关领域的工作经验。

我们是淘天集团淘宝用户算法—投放&权益团队，致力于通过外投广告、商品推荐、权益激励与消息触达等，全面提升淘宝用户的增长效率与长期价值。团队聚焦用户全生命周期管理，以算法驱动精细化运营，持续优化获客效率、增量GMV与用户LTV。

在权益策略场景中，传统的增量模型面临选择性偏差、时序混杂、跨周期替代、归因困难等挑战。为此，我们正在探索下一代生成式因果推断框架。

你将承担以下核心职责：

1. 增量建模与因果推断：深入解决观测数据中的选择偏差、时变混杂以及跨期替代效应等问题，基于淘天用户特征体系，提升权益的增量预估准确性；
2. 算法创新与模型研发：探索并设计下一代生成式因果推断范式，建一个端到端的生成式因果模拟框架，从‘预测单一数值’向‘模拟用户全生命周期平行宇宙’范式跃迁，攻克提前消费透支与多次追发决策等核心挑战；
3. 前沿成果输出：在KDD、ICML、NeurIPS等顶级会议发表高水平论文，拓展因果推断与个性化营销领域的影响力；
4. 应用场景覆盖淘天多个权益体系，完成算法的线上应用及取得线上效果提升。

加入我们，你将参与最具挑战性的工业级因果推断课题，定义智能营销与用户增长的未来技术范式。

招聘对象：2026.11-2027.10毕业的海内外应届生

速卖通（AliExpress）是阿里国际数字商业集团旗下的跨境电商平台，创立于2010年，为全球200多个国家和地区的消费者提供便捷、高效的线上购物体验。速卖通一共有16个语言版本，除了全球英文版本，还有15种其他语言的版本，包括葡萄牙语、西班牙语和法语等。速卖通一直致力于提升履约时效。过去两年，速卖通的全球平均送货时效缩短了50%，“全球5日达”服务目前已覆盖欧洲、美洲、亚洲的10多个国家，让消费者可以享受到接近本地电商平台的极速购物体验。

职位描述
1、营销项目支持：协助策划与执行AE平台全球性大促活动（如双11、黑五、Summer Sale等），参与从方案构思到落地推进的全过程；跟进项目进度，协助完成资源协调、节奏把控等执行类工作，保障项目高效落地；
2、营销专项模块支持：参与特定营销模块的运营工作，如：招商盘货、会场搭建、全链路导购、权益玩法等，协助完成某一专项模块的持续优化任务，逐步建立专业纵深；
3、数据监测与分析：结合参与的工作板块，负责基础数据跟踪与看板维护，完成对应数据结论的分析与产出，提出初步优化建议，助力团队提效。

职位要求
1、本科及以上学历，市场营销、广告学、新闻传播、电子商务、国际商务、小语种(西语）翻译或相关人文社科/商科专业；
2、必须具备西班牙语的熟练工作语言能力（B2及以上水平），能独立使用葡语进行跨团队沟通、营销文案本地化审核、商家协作及用户需求理解
3、热爱营销，关注电商促销活动，有良好的创意能力及方案呈现能力；对消费者行为感兴趣，对“如何打动用户”有持续热情；
4、表达与协作能力，逻辑清晰，能准确表达观点，具备良好的跨团队沟通意识；
5、学习能力及自驱力强，不满足于完成任务，主动提问、主动学习、主动推进；能快速吸收新知识、适应新场景，能在快节奏、多任务环境中保持稳定输出，积极应对挑战；
6、数据分析基础，掌握Excel等基础工具，了解数据逻辑。
【加分项】
有校园活动组织、社团运营、实习项目经历者优先。

请西语同学多多投递吧～～

职位描述：
在这里，你将成为大模型技术落地的“幕后推手”。你将参与构建支撑千卡/万卡规模的 AI 计算基础设施，通过软硬件协同优化，解决大模型在训练、推理、调度全链路中的工程挑战。你的代码将直接决定大模型训练的效率、推理的响应速度以及集群资源的利用率，为 AI 时代的算力底座注入核心动力。

具体的职责包括以下相关方向的一项或多项：
1. 算力基建与分布式训练：
● 深入分布式训练架构，优化通信与底层算子性能，解决大规模集群通信瓶颈，提升模型训练的吞吐量与计算效率。参与研究新的训练框架和模式。
极致推理加速：
● 针对大规模推理场景，研发高性能推理引擎，通过kernel、框架、与算法结合的有损优化等手段，实现极致的低延迟与高并发。
2. 智能化资源调度与系统：
● 构建大规模 GPU 集群的统一调度与编排系统，实现算力资源的弹性分配与自动化调度，设计与优化面向 AI 计算场景的高性能通信、存储系统，保障海量任务的极致的效率。
3. 工程效率与平台化建设：
● 打造一体化的平台，覆盖大模型研发和迭代的全流程，降低模型迭代门槛，提升研发效能职位要求：


1. 基础条件：
● 计算机、软件工程等相关专业优先。
● 热衷于数据结构和算法、在ACM大赛成绩优异者优先；有顶会论文/高影响项目/开源贡献者加分。
2. 专业能力：
● 系统工程与编程能力：具备良好的系统工程基础，熟悉 Linux 开发环境，掌握 Python、Go、Java 等至少一门编程语言，具备扎实的工程实现能力。
● 分布式系统：了解分布式系统基本原理（如一致性、容错、扩展性等）。
● AI 系统领域专业知识：对于以下领域中的一项或者多项具备专业能力
○ 了解 AI 的基本原理与常见算法，理解模型训练任务的基本流程及其资源需求。
○ 了解主流训练推理框架（如 PyTorch、TensorFlow、vLLM、sglang）的基本使用方式及训练流程。
○ 了解异构计算或高性能计算体系，有 GPU 相关优化经验者优先。
3. 能力特质：
● 沟通能力：能与跨域岗位，如：算法、产品等，进行良好的沟通。
● 跨域视野：有较宽的技术视野与知识面，对算法研发流程、数据、GPU调度、训练、推理等相关领域的技术逻辑都有涉猎。
● 系统思维： 乐于挑战复杂系统的性能极限，具备良好的性能分析与调优能力，喜欢从底层视角拆解并解决问题。
● 极客精神：对 AI 大模型技术充满热情，具备快速学习新技术的能力，渴望在高性能计算领域实现技术突破。

工作职责：
1、负责电商场景下人货匹配算法的设计与优化，提升商品组套、定价与用户需求的匹配效率；
2、搭建个性化推荐和智能定价模型，优化人工A/B测试，实现组货、定价、人群适配的自动化；
3、与现有技术人员协作，推动算法能力的落地和持续迭代。

任职资格：
1、本科及以上学历，计算机、数学、统计等相关专业；
2、熟练掌握Python，具备扎实的算法和数据结构基础；
3、有推荐系统、智能定价、搜索排序等相关项目经验；
4、有互联网大厂算法经验优先；
5、具备业务思维，能将算法能力转化为实际的业务效果。
6，需要***工作经历

职位描述
面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：负责公司产品线的推荐、广告、系统架构、大数据和开放平台等技术。 1、能够从用户视角思考问题，通过用户调研、竞品调研、分析数据等手段挖掘需求，产出需求文档并推进功能落地； 2、收集和分析用户反馈，为产品功能的优化打磨提供合理建议； 3、通过培训、教学文档等方式为用户提供支持，确保用户能够高效使用机器学习平台。
职位要求
1、2024届及以后毕业，本科及以上学历在读，对机器学习领域有浓厚兴趣，具备基本的机器学习知识，实习3个月及以上； 2、机器学习/数据挖掘/人工智能相关学科、有算法背景者优先； 3、逻辑清晰，具有良好的问题分析能力和问题解决能力； 4、出色的沟通和团队合作能力，能够与多个团队紧密协作

也招实习生

职位描述：
1. 参与大模型在核心业务场景中的算法创新与应用，提升模型效果与用户体验；
2. 通过分布式训练、模型压缩、低延迟推理等技术，面向工业级应用完成千亿级参数大模型的高效训练与部署；
3. 尝试生成式AI、多智能体协作等前沿方向，推动AI技术在各类核心业务领域的创新应用；
4. 数亿用户、百亿级行为数据的挑战，落地大模型应用；参与顶级核心业务场景的算法优化，见证大模型技术驱动商业增长的完整链路。
职位要求：
1. 本科及以上学历，计算机科学/人工智能/机器学习等相关专业优先；
2. 具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构；
3. 掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域；
4. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；
4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展；
5. 具备良好的沟通能力，较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。

【加分项】
1. 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历；
2. 有海量数据处理经验或者大厂实习经验；
3. 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。

职位描述：
我们的立场：
在阿里这种体量的组织里，最大的挑战往往不是模型参数，而是“系统惯性”。信息传递的失真、协作链路的摩擦、海量文档的沉淀与割裂，这些都是阻碍生产力的流程难题。
我们正在寻找一群聪明的 Builder，利用 Agentic Workflow、MCP 协议和严谨的实验方法，通过写代码来重构组织的运行逻辑。你写的一套 Agent 架构，目标是让很多人的协作变得像运行一段代码一样丝滑。

你在这儿具体干什么？
• 找痛点并“打样”：深入协作的一线，识别那些逻辑最繁琐、最依赖纯人力的高摩擦节点。比如：重构跨部门的信息同步机制，或者用 AI 替代那些低信噪比的例行会议。你需要快速实现第一个能跑通的 PoC。
• 构建 AI 插件与组件： 你会亲手设计一套数据 Schema，或者写一个能在钉钉/内部系统里跑起来的 AI 插件。我们要的是能运行的代码，不是 PPT 方案。
• 做“对照实验”： 你会收集数据，看看加了 AI 之后，同事们的效率真的提高了吗？还是反而更麻烦了？你需要通过数据不断调优你的 Agent 逻辑。
• 端到端交付： 你会经历从“识别失效逻辑”到“架构设计”再到“系统灰度”的全过程。
职位要求：
我们在寻找这样的你
• 硬核的“动手派”： 你研究过 Agent 的设计模式，折腾过工具调用的确定性问题，甚至为了让模型更稳而反复打磨过复杂的系统提示词架构。
• 紧跟前沿趋势： 你关注 MCP 的最新进展，理解长上下文利用（Long Context）中的瓶颈，对小模型（SLM）在复杂 Agent 中的分工协作有独到见解。
• 系统工程思维： 面对一团乱麻的现状，你能迅速抽象出一套逻辑清晰的状态机或系统图。你天生讨厌不优雅、低效率的系统设计。
• 定义问题的胆识： 当别人在等指令时，你敢于指着一个过时的流程说：“这在 AI 时代是不合理的，我打算用一套新的架构来重写它。”
• 讨厌低效率： 如果你是一个看到“手动填表”就想写个脚本自动化它的人，那你就是我们要找的人。


为什么来这儿？
• 真实战场，极高杠杆： 阿里有足够复杂的场景让你去折腾，你写的一个小工具，如果能提升 10% 的对齐效率，其背后的价值是巨大的。
• 纯粹的 Builder 社区： 我们像硅谷的 AI Lab 一样工作。在这里，唯一的权威是逻辑，唯一的名片是作品。
• 转正机会： 我们寻找的是未来能定义“AI 时代公司如何运行”的核心成员。


申请要求
• 请务必附上你的 GitHub 链接 或 Technical Deep-dive (技术项目深度复盘)。
• 比起一份精美的简历，我们更希望能看到你独立解决过的一个、让你感到兴奋的复杂技术难题。

毕业起止时间要求
2026-11-01 ~ 2027-10-31

本岗位聚焦于多模态大模型的数据计算、数据编排方向,包括
但不限于以下职责:
1.开发高性能的分布式数据处理引擎，实现多模态等非结构化数据的高效处理;
2.深入结合大模型分布式并行机制，设计实现通用、高吞吐、可扩展的数据编排引擎，提升大模型训练效率;
3.持续跟踪大模型技术，对引擎不断迭代升级以满足大模型技术演进对数据处理的需求。

职位描述
1.熟练掌握C++/Python，熟悉各种编译、调试、性能分析工具，具备扎实的编码能力和良好的代码习惯;
2.有大数据处理、分布式系统设计开发相关经验,对Ray有深入研究与开发经验者优先;
3.了解大模型技术原理，熟悉Pytorch/Tensorflow等深度学习框架者优先;
4.具备较好的学习能力、沟通协作能力，自我驱动，乐于探索新技术。

职位描述：
1. 负责将大模型（LLM）能力落地到实际业务场景，包括但不限于Prompt工程、智能对话、知识库建设、内容生成及业务流程自动化；
2. 设计并开发AI Agent系统及其框架，负责任务规划、多步推理（CoT）、工具调用（Function/Tool Calling）、记忆管理及多智能体协同等核心模块的实现；
3. 构建LLMOps全链路流程，包括大模型应用评测、监控告警、数据标注及RAG（检索增强生成）全链路优化（如切片算法、召回重排等）；
4. 参与大模型业务应用平台的研发，推动MCP（模型控制协议）生态建设、工作流编排及代码生成等提效工具的开发，构建高可靠、高扩展的AI架构。

职位要求：
1. 本科及以上学历，计算机、人工智能、软件工程、数学或相关专业；
2. 熟练掌握 Java、Python、Go、C++ 中至少一门编程语言，具备扎实的数据结构、算法基础、操作系统知识及良好的编程习惯；
3. 了解大模型应用开发原理，熟悉 Prompt Engineering、RAG、LangChain、LlamaIndex 或 Dify 等业界主流大模型开发框架；
4. 熟悉主流大模型（如GPT、Qwen、Llama等）的接口调用及特性，了解 Agent 架构及相关组件；
5. 具备卓越的学习能力和自驱力，对AI技术充满热情，能够快速跟进并掌握业界最新技术动态。

基础信息
毕业起止时间：

2026-11-01 - 2027-10-31

工作地点：

杭州,北京

招聘批次：

阿里巴巴2027届实习生

面试地点：

远程

招聘类型：

技术类

笔试方向：

阿里巴巴集团27届 - 算法方向

职位描述
1. 参与大模型在核心业务场景中的算法创新与应用，提升模型效果与用户体验；
2. 通过分布式训练、模型压缩、低延迟推理等技术，面向工业级应用完成千亿级参数大模型的高效训练与部署；
3. 尝试生成式AI、多智能体协作等前沿方向，推动AI技术在各类核心业务领域的创新应用；
4. 数亿用户、百亿级行为数据的挑战，落地大模型应用；参与顶级核心业务场景的算法优化，见证大模型技术驱动商业增长的完整链路。
职位要求
1. 本科及以上学历，计算机科学/人工智能/机器学习等相关专业优先；
2. 具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构；
3. 掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域；
4. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；
4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展；
5. 具备良好的沟通能力，较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。

【加分项】
1. 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历；
2. 有海量数据处理经验或者大厂实习经验；
3. 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。
工作地点
杭州,北京

基础信息
毕业起止时间：

2026-11-01 - 2027-10-31

工作地点：

杭州,北京

招聘批次：

阿里巴巴2027届实习生

面试地点：

远程

招聘类型：

技术类

笔试方向：

阿里巴巴集团27届 - 算法方向

职位描述
1. 研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长短期记忆（Memory）及 RAG 增强；
2.应用强化学习（RL）、模仿学习、SFT 及偏好对齐（DPO/PPO）技术，提升模型在复杂任务中的执行成功率与逻辑性；
3. 参与构建高性能、高可用的 Agent 框架或 Runtime 系统，探索多智能体（Multi-Agent）协同与自我迭代学习范式；
4. 构建端到端的智能体评测体系，通过数据驱动的方式持续迭代算法，推动 Agent 在搜索、办公、创作或垂直行业场景的落地。
职位要求
1. 本科及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；
2. 精通 Python，具备扎实的 C/C++/Java（至少一门）基础，具备极佳的工程实现能力，追求高质量的代码设计；
3. 深入理解 Transformer 架构及大模型（LLM）原理；熟悉深度学习主流框架（PyTorch/TensorFlow）；掌握强化学习、自然语言处理或计算机视觉的基础理论；
4. 极强的求知欲与学习能力，对新技术保有好奇心；逻辑清晰，善于独立思考并反思总结；具备良好的沟通能力和团队协同意识。

【加分项】
1. 在 NeurIPS, ICML, ICLR, ACL, CVPR 等顶级会议发表过论文；
2. 在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法大赛中获得优异名次；
3. 开知名开源项目的核心贡献者或在开源社区有影响力；
4. 有 LangChain、AutoGen、MetaGPT 等 Agent 框架的使用或二次开发经验；
5. 熟悉 RAG 架构或在搜索/推荐场景有相关实践。
工作地点
杭州,北京

本岗位面向2027届应届毕业生（硕士/博士）
岗位职责：1、AI for Rec: 研究如何利用模态对齐、用户行为CoT等技术手段, 基于LLM的推理能力和世界知识提升对用户个性化偏好的刻画，赋能电商场景下的模型预估，实现更精准的人货匹配； 2、生成式推荐: 包括推荐领域下生成式模型相较于判别式模型的优劣对比，生成式训练范式设计、生成式模型结构优化、基于RL的排序目标对齐等方向，设计有scale-up能力的模型方案； 3、ai-infra下的模型落地: 负责大模型infra下的预估模型落地，包括更加算力友好的算法方案设计、训练加速、线上部署、链路优化、计算复杂度优化等，推动先进技术成果的规模化落地。

阿里国际站-商家技术部-商家体验春招暑期实习 ，base 杭州滨江，AI前端应用研发工程师岗位。

整体偏向前端，AI是加分项。

职位描述
1. 设计和优化面向 Agent 训练的分布式 RL 训练系统，包括训练-推理统一调度、大规模 rollout 生成加速、长轨迹高效训练、异步奖励计算流水线等；基于 verl/Slime/RLInf 等开源框架进行系统级创新，结合 SGLang/vLLM 等推理引擎提升 Agentic RL 训练效率；
2. 探索面向多步 Agent 任务的 RL 算法创新，包括长程信用分配方法、过程奖励建模、探索策略设计、GRPO/PPO 在 Agent 场景的改进、多智能体 RL 训练方法等；结合算法创新提升 Agent 的任务完成率、泛化能力和安全性；
3. 构建可大规模并行的 Agent 训练环境基础设施，支持代码执行、Web 交互、API 调用等多种环境类型；设计和实现面向 Agentic RL 的评测体系和 benchmark 工具；
4. 将 Agentic RL 训练的核心技术沉淀为 PAI 的产品能力，支持云上客户训练和部署领域 Agent，形成端到端的 Agent 训练平台；
5. 有一定的技术前瞻性，可以对平台演进中的技术需求（如多智能体协作训练、Agent 安全对齐等）进行预研和设计，满足 AI 基础设施快速发展过程中各项业务场景的客户需求。

职位要求
1. 具备扎实的计算机基础知识和分布式系统研发经验，Python/C++ 编程能力强，并对操作系统原理、计算机网络等系统领域知识有较好的理解和项目应用经验。
2. 对强化学习理论和算法有深入理解，熟悉 PPO、GRPO、REINFORCE 等算法，了解 LLM 训练和微调的基本流程（SFT、RLHF、DPO、OPD 等）。
3. 具有较强的学习能力、复杂问题归纳梳理能力、沟通和团队协作能力，具备能够深度钻研技术的耐心。
4. 有很强的学术研究能力和优秀的学术成果（AI/ML/Systems 领域顶会/顶刊论文），有以下方向的研究经验者尤为优先：强化学习、大模型训练/推理系统、LLM Agent、分布式系统。
5. 熟悉 PyTorch 及相关训练生态（DeepSpeed、Megatron-LM、FSDP 等），有大模型训练或 RL 训练实战经验者优先。熟悉 verl、Slime、RLInf 等 RL 训练框架或 vLLM、SGLang 等推理引擎者优先。

职位描述
阿里云MaaS（Model-as-a-Service）平台致力于打造国际领先的大模型服务与应用能力。依托阿里云强大的算力集群、领先的基座模型和完备的平台工程体系，我们围绕多模态AI搜索方向，持续攻坚跨模态理解、复杂内容检索、多模态RAG、长视频理解与智能问答等关键技术问题，打造下一代智能搜索体验与企业级多模态知识服务能力，赋能云上企业客户与生态开发者。
相较于传统关键词搜索或单一模态检索，真实业务中的智能搜索任务更强调对复杂Query的深度理解、对图文/视频/文档等多模态内容的统一表征、对跨模态语义关系的精准建模，以及面向业务场景的可解释、高可靠问答生成能力。我们正在寻找具备技术信仰、研究热情与探索精神的优秀人才，通过多模态表征学习、Embedding/Reranker优化、多模态RAG链路建设、长视频理解与大模型后训练等技术创新，推动搜索系统从“信息匹配工具”向“智能理解与知识生成系统”演进。

核心职责
1. 多模态表征与排序模型优化：面向海量图文、视频、文档等多模态数据，研究和开发业界领先的多模态表征模型、Embedding 模型与重排序模型。围绕复杂 Query 理解、跨模态语义对齐、细粒度相关性建模、难负样本挖掘与排序目标优化等问题开展算法创新，持续提升多模态检索在复杂业务场景下的准确性、召回率、相关性和鲁棒性。
2. 多模态检索增强生成（RAG）链路优化：面向企业知识库、复杂文档检索、图文混合问答、视频内容问答等真实场景，参与多模态 RAG 链路的核心算法攻坚。研究多模态 Query 理解、跨模态意图识别、复杂文档解析、PDF/图表/表格混合检索、多粒度内容切分与召回、检索结果融合、证据选择与最终答案生成等关键技术，提升系统在复杂知识场景下的可用性、准确性与可解释性。
3. 长视频理解与视频搜索能力建设：研究高效的长视频理解与搜索范式，攻克超长序列建模、长程依赖捕捉、视频事件定位、跨片段语义关联与多轮视频问答等关键问题。通过视频表征学习、时序建模、多模态对齐与大模型增强推理等方法，提升模型对视频深层语义、人物关系、场景变化、事件演化和复杂用户问题的理解能力，建设面向真实业务的视频检索与视频问答能力。
4. 大模型后训练与搜索系统效果优化：围绕多模态搜索和智能问答的业务目标，参与 SFT、偏好优化、RLHF / DPO / GRPO 等大模型后训练工作，优化模型在检索理解、答案生成、结果排序、复杂指令遵循和业务指标上的综合表现。结合离线评测、在线实验、错误分析和数据闭环，持续沉淀高质量训练数据、评测基准与算法范式，推动核心能力反哺至 MaaS 平台模型与搜索产品体系。


职位要求
1. 学术背景：计算机、人工智能、软件工程、数学等相关方向优秀硕士或博士，2027届应届毕业生优先；具备扎实的机器学习、深度学习、信息检索和多模态大模型理论基础。
2. 代码与工程能力：具备优秀的编码能力、实验实现能力和数据结构基础，熟练掌握Python和PyTorch；有大模型、多模态模型、Embedding、Reranker、RAG、搜索推荐等相关代码实现、训练或系统落地经验。
3. 算法与模型经验：熟悉 LLM/MLLM、跨模态检索、图文检索、视频理解、视频问答、文档智能解析等方向中的一个或多个；具备 SFT、偏好优化、RLHF/DPO/GRPO等大模型后训练经验，能够通过数据构造、训练策略设计和实验分析持续提升模型效果。
4. 问题抽象与落地能力：对大模型、多模态搜索、RAG、视频理解和智能问答等方向有浓厚兴趣，能够从企业知识检索、复杂文档理解、视频内容搜索等真实业务场景中抽象关键技术问题，并通过算法迭代、实验验证和工程优化推动能力落地。
5. 科研能力：具备优秀的科研素养、问题拆解能力和实验分析能力，能够围绕多模态表征学习、跨模态检索、多模态 RAG、长视频理解、大模型后训练等方向开展创新研究。在NeurIPS、ICML、ICLR、EMNLP、CVPR、SIGIR、AAAI等顶级会议或期刊发表过3 篇以上大模型或多模态相关论文。
6. 综合素质：具备良好的主动性、责任心和团队沟通协作能力，能够在开放问题和快速变化的业务场景中持续推进，并对技术深度、业务价值和用户体验保持高标准追求。
7. 加分项：参加过ACM/ICPC、Kaggle、天池、数学建模等竞赛并取得优秀成绩者优先；在图文检索、视频理解、复杂文档解析、RAG 系统、开源大模型或多模态评测等方向有深入实践、开源贡献或高影响力研究成果者优先。

职位描述
阿里云MaaS（Model-as-a-Service）平台致力于打造国际领先的大模型服务与应用能力。依托阿里云强大的算力集群、领先的基座模型和完备的平台能力，我们围绕Agentic图像与视频生成方向，持续攻坚生成模型在复杂任务中的可控性、一致性、指令遵循与业务可用性等关键问题，打造下一代智能化视觉创作平台与解决方案，赋能短剧/漫剧、互动娱乐、电商广告等核心业务场景。
相较于公开 Benchmark或单轮生成Demo，真实商业内容生成任务更强调多轮创意理解、图像与视频一致性、复杂指令遵循和高质量交付。我们正在寻找具备技术信仰、研究热情与探索精神的优秀人才，通过后训练、图像/视频智能体、推理侧扩展与系统化评测等技术创新，推动生成模型从“单点工具”向“自主创作系统”演进，并将真实场景中沉淀的关键能力持续反哺至基座模型。

核心职责
1. Agentic视觉生成算法研究：面向电商广告、短剧/漫剧创作、互动娱乐等真实业务场景，开展视觉创作 Agent 架构设计与算法创新。研究任务自主拆解、分镜规划、长短期记忆、工具调用、自我反思与修正等能力，提升模型从模糊创意意图到高质量图像/视频内容生成的端到端规划与执行能力。
2. 一致性控制与长视频生成能力建设：研究基于Agent上下文记忆与多模态条件控制的图像/视频生成算法，攻克复杂场景下角色IP、人物身份、服饰外观、场景风格、物体关系、运动规律与镜头衔接的一致性难题，持续提升长时序生成中的时空稳定性、剧情连贯性、视觉质量和可控生成能力。
3. 推理侧扩展与智能体系统优化：研究图像/视频生成大模型在推理阶段的Test-time Scaling策略，探索“规划—生成—评估—修正”的闭环推理范式。结合多Agent协作、工具调用、自动评测与重生成机制，提升视觉创作系统在复杂提示词、多约束任务和真实业务交付中的稳定性与效率。
4. 端到端业务交付与基座能力反哺：面向广告营销、短视频生产、短剧/漫剧创作等业务目标，打造端到端Agentic视觉生成解决方案，并优化模型在训练、推理、评测和交付环节的综合效能。抽象真实业务中的共性问题，将经过验证的算法方案、高质量数据、训练范式和评测基准沉淀为通用能力，持续反哺基座模型迭代。

职位要求
1.学术背景：计算机、人工智能、机器学习、数学等相关方向优秀硕士或博士（2027 届毕业生），具备扎实的机器学习、深度学习和多模态大模型理论基础。
2.代码与工程能力：具备优秀的编码能力与数据结构基础，熟练掌握Python和 PyTorch，有大模型、多模态模型或生成模型代码实现和训练经验。
3.问题抽象与落地能力：对真实业务场景中的复杂问题有强烈兴趣，能够从广告营销、短剧创作、内容生成等场景中抽象关键技术问题，并通过实验分析、算法迭代和工程优化推动模型能力落地。
4.科研能力：具备优秀的科研素养和实验分析能力，有能力围绕Agentic视觉生成、多模态生成、视频理解、后训练、推理侧扩展等方向开展创新研究。在 CVPR、NeurIPS、ICLR、ICML、ICCV、SIGGRAPH 等顶级会议或期刊发表过多篇相关论文。
5.加分项：在图像/视频生成与编辑、Agent、多模态理解、模型评测、开源大模型等方向有深入经验者优先；有高影响力论文、知名开源项目贡献，或曾参与主流大模型、多模态模型、视频生成项目建设者优先。

项目亮点
直面全球化挑战，在真实企业级 AI 前沿实现技术与视野双重跃迁。
项目目标/研究方向
面向阿里国际多元经营场景，构建高性能 Enterprise Agent。推进财税法、IT、生态用工和企业员工 AI 办公协同等领域的智能化升级，解决全球化经营中的复杂决策问题。通过技术创新驱动业务变革，打造行业领先的企业级 AI应用范式。
团队介绍
AIDC CIO 团队聚焦阿里国际企业内部经营链路的 AI 智能化升级，业务涵盖企业财务、税务、法务、生态用工管理及IT Infra等领域，支撑AIDC全球业务稳健运行，我们重点投入企业经营智能化 Enterprise Agent 技术研发，驱动财税法，IT等链路的AI智能化重构，在这里，你将直面全球化企业经营中最具挑战的业务复杂度，通过 AI Agent 与平台化技术重塑合规与效能。置身于最真实的“企业级AI”落地前沿，在解决全球化命题的过程中，实现技术实力与全局视野的快速迭代。
主要工作内容
智能财税：构建企业级财务AI Agent能力，聚焦智能财税处理、合规风险管控、复杂决策辅助及业务流程自动化核心能力，驱动财税法经营链路与AI深度重构，打造业界领先的财务AI能力。
企业服务：构建全链路企业服务 Agent 矩阵，围绕法务流程自动化、AI 辅助审核起草、RAG 智能咨询及生态用工效能评估，驱动专业服务效能跃迁与合规风险闭环，定义全球化经营下的数智化服务标准。
AI智能办公：构建一体化的AI工作台，围绕 RAG 企业知识问答、多模型通用助手、集成Action Agent的办事Skills及 AI 运营平台四大核心能力，驱动全员 AI办公渗透，重塑全球化协同办公新范式。
岗位要求
1. 计算机相关专业，具备扎实的 Java 基础与代码素养，熟悉 Spring Boot、微服务及主流数据库技术。
2. 理解Agent架构原理（如 ReAct、CoT、Memory 机制）及 RAG 检索优化经验，熟悉主流Agent框架（如LangChain，google ADK等）。
3. 面对全球化企业复杂的经营逻辑，具备较强的逻辑梳理能力，善于将业务问题转化为技术模型。
4. 具备优秀的沟通能力与跨团队协作意识，能在全球化协同环境下高效推进项目落地。
5. 保持对 AI 原生应用的热情，拥有优秀的独立思考能力与反思总结习惯。

职位描述
1.作为阿里星顶尖人才计划的一员，你将直面极具挑战性的 AI 计算问题，与硬件架构和芯片设计团队并肩，参与并推动 AI 软硬件协同生态的演进方向，打造一流的 AI 加速引擎。
2.深入研究 Attention、MoE、GEMM、Conv 等模型架构与核心计算模式，设计并实现极致性能的计算内核，支撑大语言模型、自动驾驶、具身智能等核心场景的高效推理与训练；
3.深入分析 AI 芯片硬件底层微架构特性，通过软硬协同设计榨干芯片每一份性能潜力；
4.深度参与主流推理与训练框架（如 PyTorch、vLLM、SGLang）的性能优化，面向超节点、万卡集群等场景探索通算融合等前沿优化技术，落实 Qwen、DeepSeek 等千亿级参数模型的极速部署；
5.追踪 AI 领域前沿的加速技术方案，与芯片架构团队紧密协作，共同定义下一代 AI 芯片的计算原语与编程模型，推动软硬一体的技术演进；
6.探索并落地基于Agent 智能体的研发范式，将性能分析、代码生成与验证反馈串联为可迭代的自动化工作流，重新定义高性能计算研发的效率上限。


职位要求
1. 计算机、电子、微电子等相关专业博士/硕士学历；
2. 科研经历出色：在高性能计算、AI 系统、计算机体系结构或相关领域有深入的研究积累，具备独立开展前沿课题研究的能力；
3. 精通 C/C++，对数据结构与算法、操作系统、计算机体系结构有深刻理解，具备扎实的系统级思维和工程落地能力；
4. 对软硬结合的技术方向有强烈热情——理解硬件约束如何驱动软件设计，乐于在芯片与算法的交叉地带寻找高效解；
5. 具备良好的学术写作与英文沟通能力，能独立撰写高质量论文并与国际同行进行技术交流。

加分项：
1. 熟悉 CUDA / GPU 开发，有高性能计算（HPC）或深度学习等领域 kernel 开发优化实战经验；
2. 有 PyTorch / vLLM / SGLang / CUTLASS / Triton 等主流开源项目的核心代码贡献经历；
3. 熟悉大模型相关加速技术（如量化、KV Cache 管理、MoE 负载均衡、Speculative Decoding 等），并有对应的研究成果；
4. 有 Agent 智能体进行代码生成、自动化调优或工作流编排的实践经验；
5. 在 ACM-ICPC、数学建模或各类 AI 性能挑战赛中取得过优异成绩。

职位描述
千问Qwen是由阿里巴巴自主研发的超大规模语言模型，具备跨语言、跨任务、跨模态的理解能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的基础大模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。

千问Qwen基础大模型前沿技术研究，团队在多个方向上进行探索（具体如下罗列），若你对以下一个或者多个课题感兴趣均欢迎投递：

1. 模型架构与学习机制探索：
（1）预训练与后训练技术：通过预训练数据优化策略、模型结构优化等方式持续提升模型的世界知识、推理泛化与agent能力，探索Scaling Law的新边界。深入研究强化学习、self-improve等后训练算法，激发模型的能力上限。
（2）Self-Evolving机制：突破静态模型的局限，探索大模型在开放动态环境下的持续学习与自我迭代能力。研究基于在线强化学习、自我博弈与合成数据反馈的自优化闭环，使模型能够在真实交互中不断突破自身能力，持续进化。
（2）下一代学习范式：探索超越传统Next-Token Prediction的新架构与新目标函数，为AGI寻找更高效、更通用的学习路径。

2. 多模态与多智能体感知交互系统：
（1）Omni基座模型：打造Native Omni的基座模型，实现文本、语音、视觉等多模态信息的一体化理解与生成；构建具备物理常识与时空一致性的世界模型，为具身智能、自动驾驶等领域提供可泛化的环境模拟器。
（2）Coding Agent：开发超智能的Coding Agent，打通自然语言与代码执行之间的语义鸿沟；赋予模型仓库级代码理解、跨文件重构、自动化测试生成与debug能力，使其成为真正的“AI软件工程师”，重塑软件开发范式。
（3）Long-Horizon Agent：构建具备长期记忆、持久运行与跨会话状态管理能力的智能体系统，攻克长程任务规划、异步执行监控、自主纠偏与资源调度等核心难题，使AI能够在数小时乃至跨天的时间跨度内，无人值守地完成复杂项目交付、数据分析与自动化工作流。真正解决办公、金融、电商、法律、编程等行业的长程困难任务。
（4）AutoResearch：打造面向科学发现的AutoResearch系统，利用大模型强大的语义理解与逻辑推理能力，实现文献自动综述、假设生成、实验代码编写、结果验证与论文撰写的端到端闭环；探索AI for Science的新范式，加速基础学科的研究进程。
（5）下一代AI交互系统：在GUI Agent、视频理解等前沿场景，探索AI自主执行、工具调用与环境适应的可能性，推动大模型从“对话式AI”向“通用任务执行体”演进。

3. 数据建设与性能优化：
（1）数据工程与高质量数据飞轮：设计并构建高效、可扩展的端到端数据处理管线，持续提升自然语言、代码、多模态等数据的质量与规模。
（2）训练与推理全链路协同优化：探索模型高并发服务下，算法及系统框架侧技术创新与优化，打通训练与推理的技术边界，实现从预训练到线上服务的全栈效能提升。

4. 评测与安全体系
（1）构建覆盖推理、生成、可控性、长程任务执行、代码能力、多模态理解、工具调用等多个维度的端到端动态评测体系；突破传统静态benchmark局限，探索基于真实业务场景的在线评估、人机协同标注、对抗性测试、过程奖励建模等新型评测方法。
（2）关注模型内生安全，追求 AI 对人类有益且可控，深入研究对抗攻击检测、伦理约束建模等工作。

职位要求
1. 来自全球Top高校计算机科学、人工智能、机器学习、深度学习、软件工程或相关领域应届博士/顶尖硕士毕业生；
2. 在大语言模型或多模态大模型领域有扎实的理论基础和实践经验，在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等至少一个领域中具有行业影响力的创新性成果；
3. 在国际顶级计算机会议/期刊以一作身份发表过多篇高水平论文，或在开源社区、竞赛中展示出引领性的研究成果；
4. 具备扎实的代码功底，熟悉主流深度学习框架，能够高效实现复杂模型结构并进行大规模模型训练（曾参与千卡集群项目者优先）；ACM/ICPC，topcoder等编程比赛获奖者优先；
5. 对AI技术充满好奇心，持续关注前沿领域，具备独立思考能力和系统性研究思维，敢于挑战现有范式，有志于定义下一代基础模型的进化方向；能够独立应用技术解决复杂问题，主导或深度参与过有行业有影响力项目的人选优先；
6. 具备优秀的跨团队协作和沟通能力，能够与工程、产品等团队紧密合作，推动研究成果快速落地并产生实际影响力。

毕业起止时间要求
2026-11-01 - 2027-10-01

招聘项目
阿里星2027届应届生
职位描述
1、核心算法攻坚： 主导选品、定价、供应链、物流全链路的核心算法突破，解决跨域协同与复杂商业约束下的多目标优化难题；
2、算法模型与业务深度融合： 推动 LLM/VLM 、强化学习、仿真优化等前沿算法在业务深水区的创新应用，设计基于复杂商业反馈的微调与对齐范式，打造直接驱动业务增长的核心领域模型；
3、高不确定性下的分层强化学习与运筹优化： 构建多层强化学习体系并深度融合运筹优化技术，解决多时间尺度下的库存优化、在线分单与干线智能配舱等 NP-Hard 问题，在毫秒级内实现物流网络全局成本最优；
4、基于 AI 的时序预测： 实现跨国别、多场域、冷启动场景下销量与时效预测模型的范式突破；
5、业务闭环与生态建设： 将顶尖算法转化为真实的商业结果（规模、利润、效率）；引领团队技术方向，构筑产研结合的技术护城河。
职位要求
1、背景与学术： 人工智能、深度学习、运筹学或相关专业全球顶尖高校（C9/QS Top50）博毕业生。在 NeurIPS, ICML, KDD 等顶会发表过高质量论文或拥有核心应用型专利；
2、技术深度： 精通 LLM 微调与业务落地、Prompt Engineering、多模态理解、强化学习或运筹优化，代码能力扎实（Java/C++/Python）；
3、全局视野与商业体感： 具备极强的系统抽象能力，能将复杂的全球商业逻辑转化为严谨的数学或算法模型，具备跨领域视野。自我驱动强，皮实自省，勇于面对全球化的高难度挑战，善于跨域协同推动算法的商业落地。
在招业务
阿里国际数字商业集团

职位描述
1. 参与大模型推理系统的架构设计与开发，包括推理网关、请求调度、流量路由等核心模块的建设
2. 负责推理引擎（vLLM/SGLang等）的深度优化与定制化开发，提升推理吞吐与延迟表现
3. 参与PD分离（Prefill-Decode）架构的设计与开发，优化Prefill与Decode阶段的资源分配与协同调度
4. 负责KV Cache存储与管理系统开发，包括KV Cache迁移、共享、淘汰策略的设计与实现
5. 参与模型分发系统开发，支持大模型在多节点间的高效分发与加载
6. 基于线上监控与用户反馈，持续优化推理链路的性能、稳定性与成本效率

职位要求
1. 计算机相关专业，具有Golang、Python或C++开发经验
2. 熟悉vLLM、SGLang等开源推理引擎的架构与实现，了解Continuous Batching、PagedAttention等核心机制
3. 深入理解LLM推理场景下的请求调度策略，熟悉 KV Cache 管理、PD分离等前沿架构
4. 具备高性能系统开发经验，熟悉GPU编程（CUDA/Triton等）者优先
5. 具备复杂系统的设计与调试能力，能够系统性分析推理链路中的性能瓶颈
6. 良好的学习和自我驱动能力，具备良好的跨团队沟通协作能力
7. 积极拥抱AI辅助编程工具，善于利用AI提升开发效率与代码质量

职位描述
阿里巴巴国际数字商业集团（AIDC）- 平台技术-AI Infra 团队。
作为阿里国际的技术底座，我们负责支撑全球化电商（如 Lazada, AliExpress, alibaba.com等）及企业 AI 应用提效两大核心战略方向。我们的职责涵盖了从底层到顶层的全栈基础设施建设：
（1）AI 核心基建： 打造 Agent 全生命周期平台，涵盖设计（低代码/Agent Framework）、运行时（RAG/Memory/Sandbox）、评测、观测治理及 AI 大模型网关等。
（2）全链路基础架构： 深度掌控电商链路的每一环节，包括全球化终端技术、智能网络层、高性能接入层、应用中间件及各类基础软件。
在这里，你不仅能参与定义下一代 AI 的运行范式，还能直面全球化超大规模分布式系统的技术挑战。
你将参与：
（1）Agent Native底座研发： 构建支持 Agent 设计、运行、评测与治理的全生命周期基建，支撑万级 Agent 在复杂业务场景下的规模化落地。
（2）核心组件攻坚： 深度优化分布式 RAG、多级记忆管理、人机协同（HITL）及高性能 Agent 运行时。
（3）AI 资产生态建设： 打造 AI 大模型网关，解决模型消费的极致成本与供给稳定性；基于 MCP 协议构建全球 Skill 市场，沉淀企业级 AI 资产。
职位要求
（1）扎实的计算机根基：计算机、人工智能、数学等相关专业硕士及以上学历；精通数据结构、操作系统、网络编程、分布式系统等核心基础知识。
（2）优秀的工程实现能力：精通 Linux 环境下 Java/Go/C++ 其中至少一门语言，具备良好的代码风格；能够独立解决复杂逻辑问题，对系统架构设计有浓厚兴趣和基本认知。
（3）AI 技术视野：熟悉大语言模型（LLM）及智能体（Agent）的基本原理，了解 RAG、工具调用（Tool Use）等常见应用模式；关注生成式 AI 领域的前沿动态，能够快速学习并落地新技术。
（4）软实力：具备出色的逻辑思维、沟通能力和团队协作精神，有强烈的技术好奇心和自驱力。
（5）极客精神与自驱力： 面对复杂、模糊的问题有极强的拆解和解决能力，对定义下一代 AI 基础设施充满激情。

职位描述
1. 参与FlashMoE等分布式训练框架的优化,重点攻关MoE模型的Expert并行通信优化、负载动态均衡和稀疏激活下的高效训练；
2. 负责显存优化技术创新(激活重计算、梯度检查点、ZeRO变体),支持万亿参数MoE模型在有限显存下的稳定训练；
3. 探索多种异构硬件设备(A100/H100/H800/PPU)上的鼠鼠求职首页