阿里巴巴
算法工程师-VLM训练
算法工程师-VLM训练
发布于 大约 3 小时前普通员工/个人贡献者
北京市 / 杭州市
高级经验
全职员工
仅现场办公
学历未注明
机器学习工程
Moe
Pytorch
Rlhf
Vlm
分布式训练
多模态
大模型
混合精度
AI 估算 · 40k–70k
大厂核心岗位，大模型方向薪资溢价高，16薪制，月薪4-7万。
职位详情
关于这个职位
该职位专注于多模态大模型（VLM）的训练与优化，涉及万卡级GPU集群的分布式训练和前沿技术攻坚
你将参与从预训练到对齐的全链路，推动夸克AI核心产品的多模态能力落地，并有机会发表顶级论文
适合有大模型深度经验、渴望冲击技术极限的算法专家
最低要求
编程实力：精通 Python / C++ 等，熟悉深度学习主流框架（如 PyTorch）、混合精度、分布式训练与部署
多模态功底：在计算机视觉、跨模态理解或通用 AI 领域具备扎实的研究与落地经验
大模型经验：主导或深度参与过 >10B 参数模型的训练 / 推理优化，并产生显著业务影响
科研视野：在 ACL、CVPR、NeurIPS、ICLR 等顶会发表论文者优先
快速迭代：对新技术保持敏锐，能在未知领域迅速学习、实验并产品化
AGI 信仰：对多模态智能与 AGI 未来充满热情和好奇
工作职责
跨模态长程预训练：设计并实现文本、图像、视频等多模态对齐与融合的长程训练策略，操控万卡级 GPU 集群，协同 Pretrain / CPT / SFT / RLVR / RLHF 全链路，对超大参数基座模型进行高效分布式优化
前沿技术攻坚：深入探索 MoE 稀疏化、训练算法与对齐范式创新、可解释性与质量监控、多模态推理、mRAG、百万 Token 级长文处理、Agent&工具链机制等底层原理与技术
高性能训练框架持续升级：与系统团队共建张量并行、流水并行、混合精度等高性能训练框架，持续提升训练吞吐与稳定性
学术与行业影响力打造：快速跟踪 NeurIPS / CVPR / ACL 等顶会成果及开源项目，输出专利与论文，树立行业技术标杆
高速驱动夸克AI相关业务：赋能夸克 AI 相机、AI 搜索·深度思考、DeepResearch、创意写作、AI 助手等核心产品，实现多模态能力的快速迭代与落地
优先资格
在 ACL、CVPR、NeurIPS、ICLR 等顶会发表论文者优先
AI 洞察
优缺点分析
优点
- 顶级资源：万卡算力和海量数据，与行业专家共事，技术天花板极高
- 前沿方向：VLM是当前AI最热门赛道，AGI关键路径，行业发展前景广阔
- 薪酬竞争力强：16薪+大厂福利，薪资水平处于行业顶尖
- 学术与产业双丰收：可发表顶会论文，同时直接赋能亿级用户产品
- 技术难度极大：需要同时掌握大规模分布式训练、多模态、强化学习等复杂技术
- 工作强度可能较大：处于竞争最激烈的AI前沿，需快速迭代和持续学习
- 适合有大模型训练经验、对AGI充满热情、渴望在技术最前沿攻坚的算法专家
缺点 / 挑战
- 业务压力：成果需直接落地到产品，面临严格的效果和时效要求
角色解读
- 技术纵深：从模型训练专家向多模态/AGI领域科学家发展，成为行业技术领袖
- 管理方向：可转向带领训练团队或算法团队，负责更大规模模型研发
- 业务影响：深入产品线，成为AI产品技术负责人，驱动核心业务增长
- 负责设计并实施多模态大模型（VLM）的预训练、微调、对齐等全链路训练策略，操控万卡级GPU集群进行分布式优化
- 探索MoE稀疏化、多模态推理、长文处理等前沿技术，推动模型能力突破
- 与系统团队协作升级高性能训练框架，提升训练效率和稳定性
- 将研究成果快速落地到夸克AI相机、AI搜索等核心产品，实现业务价值
- 精通Python/C++和PyTorch，熟悉混合精度、分布式训练与部署
- 扎实的多模态研究或落地经验，包括计算机视觉、跨模态理解等
- 主导过10B以上参数模型训练或推理优化，有显著业务影响
- 较强的科研能力，能快速跟踪顶会成果并输出论文专利
申请策略
- 深入了解夸克AI产品的多模态场景（如AI相机、搜索），在面试中提出具体改进思路
- 展示对AGI长期信仰和热情，与团队文化契合
- 突出大模型训练项目经验，尤其是10B以上参数模型的完整流程
- 强调分布式训练优化成果，如吞吐提升、成本降低等量化指标
- 列举顶会论文、开源贡献或专利，展示科研影响力
- 体现多模态相关项目，如跨模态理解、图像生成、视频理解等
- 补充MoE、RLHF等前沿对齐技术的学习和实践
- 熟悉万卡集群下的故障处理和调优工具（如Megatron、DeepSpeed）
面试指南
- 采用STAR法则：情境-任务-行动-结果，量化具体指标
- 技术问题需结合理论与实践：先阐述原理，再给出自己的实践经验和优化思路
- 开放性问题：提出多种方案并比较优劣，体现系统思维
- 请详细描述你主导的10B+参数模型训练过程，包括遇到的挑战和解决方案
- 如何设计多模态数据的预处理和采样策略以提升模型性能？
- 深度学习中混合精度训练的原理和注意事项有哪些？
- 你对MoE稀疏化和RLHF的理解？在实际应用中如何权衡效果和效率？
- 在万卡级集群上训练时，如何保证稳定性和训练效率？
职位点评
80
综合评分
顶级大厂、前沿VLM技术、高薪高发展，但WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适合追求技术成长和行业前沿、对薪资和发展有高要求，且能接受较大工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利90
成长发展95
工作生活40
使命价值85
薪资福利
90较高
阿里巴巴是大厂，薪酬福利极具竞争力，16薪制且明确提到'顶尖资源'，补偿性动机满足度高。
薪资信号偏高 (40K-70K/月)
福利待遇顶尖资源、极具竞争力的薪酬福利、纯粹的工程师文化
成长发展
95较高
职位处于AI最前沿，涉及VLM、MoE、RLHF等尖端技术，且有明确学术输出要求，成长空间极大。
技术前沿前沿/新兴技术
技术栈VLM、MoE、RLHF、多模态、分布式训练、万卡集群、AGI
成长机会顶尖资源、高速成长、导师制？、职业加速
业务类型profit_center
工作生活
40较低
两个一线城市办公，但未提及远程或弹性工作，大厂算法岗通常加班较多，WLB评分较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
85较高
职位致力于AGI关键技术，有明确的社会价值和使命感，且赋能多个核心产品，意义感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号亲历 AGI 关键技术的诞生与规模化应用、在智能时代留下你的名字
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs