阿里巴巴
算法工程师- AI手机智能大模型
算法工程师- AI手机智能大模型
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Pytorch
多模态
大模型
强化学习
数据合成
模型压缩
模型评测
值不值得投
80综合评分
综合评分 80
核心大模型研发岗，技术前沿且成长空间巨大，薪资极具竞争力，但工作强度可能较高。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3480 个在招 · 其中人工智能 约 360 个
市场机会
选择面较广
杭州 · 人工智能 · 约 420 个在招
职位详情
关于这个职位
该职位主要负责AI智能手机场景下的大模型算法研究与落地，涵盖Agent、多模态推理、模型训练与后训练等前沿方向
你需要与产品、业务团队紧密协作，将大模型技术应用于智能手机及ToB真实场景，推动AI技术的创新与商业化
最低要求
计算机、人工智能、数学、自动化、电子信息等相关专业，硕士或博士学历
具备扎实的机器学习、深度学习及数学基础，深入理解Transformer、大语言模型及多模态模型的基本原理
在以下至少一个方向具备深入研究或项目经验：Agent、Tool Learning、任务规划或复杂推理
视觉理解、VLM或多模态推理
Coding LLM、Coding Agent或软件工程智能
Omni模型、语音语言模型或跨模态统一建模
SFT、强化学习、偏好优化或模型后训练
大模型数据构建、数据合成与质量优化
大模型评测、安全与可靠性
熟悉大模型训练或后训练方法，对SFT、RLHF、DPO、GRPO等方法中的一种或多种具备深入理解和实验经验
熟练掌握Python和PyTorch，能够独立完成算法复现、数据处理、模型训练、实验设计、效果评测及结果分析
具备较强的研究能力和技术判断力，能够从开放性问题中发现关键问题、提出研究假设，并通过严谨实验完成验证
具备良好的英文论文阅读能力，能够持续跟踪、分析并复现国际前沿研究成果
对大模型及AI智能手机具有强烈兴趣，具备优秀的学习能力、自驱力和探索精神
工作职责
负责AI智能手机相关的大模型算法研究，方向包括但不限于：Agent、工具调用、任务规划与复杂推理
视觉理解、视觉语言模型与多模态推理
Agentic Coding，DSL
Omni模型及文本、图像、语音、视频等模态的统一建模
大模型训练、后训练、强化学习与推理能力优化
模型压缩与加速
模型安全
研究大模型的数据构建与优化方法，包括数据合成、数据筛选、训练轨迹生成及数据质量评估
开展模型训练与后训练研究，持续提升模型的理解、推理、生成、工具使用及复杂任务执行能力
建立科学、系统的模型评测体系，围绕模型能力、任务成功率、泛化性、鲁棒性和安全性开展实验分析与算法优化
持续跟踪大模型领域的国际前沿进展，完成算法复现、创新方案设计及效果验证
与产品、业务及客户团队协作，将智能手机及ToB场景中的实际需求转化为可定义、可训练、可评测的算法问题，推动研究成果在真实场景中应用
优先资格
具备优秀的沟通表达和跨团队协作能力，能够清晰说明算法原理、实验结论、能力边界及业务价值
具备ToB业务、企业服务或客户项目相关实习经验，能够理解客户需求，并将业务问题抽象为算法目标、训练任务与评测指标
在知名大模型团队、研究机构或科技企业有大模型相关实习经历
有高质量大模型数据构建、模型后训练、强化学习或Benchmark评测经验
在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV、ECCV、AAAI等高水平会议或期刊发表过相关论文
参与过有影响力的开源研究项目，或在大模型、机器学习及相关算法竞赛中取得优异成绩
AI 洞察
优缺点分析
优点
- 依托丰富的算力与数据资源，能接触到最前沿的大模型技术与海量真实业务场景
- AI手机及大模型是当前最具前景的赛道，技术积累极具行业竞争力与壁垒
- 大模型技术迭代极快，需要保持高强度的持续学习与顶会论文跟进
- 适合对大模型技术有狂热兴趣、具备扎实科研基础且渴望在AI前沿领域深耕的硕博人才
缺点 / 挑战
- 将前沿算法转化为实际产品效果存在挑战，需平衡技术创新与业务落地指标
角色解读
- 从大模型算法研究员成长为特定方向（如Agent、多模态推理）的技术专家
- 未来可向大模型架构师、AI业务技术负责人或AI产品技术总监等方向发展
- 负责AI智能手机场景下的大模型算法研发，涵盖Agent、多模态、模型训练与后训练等前沿方向
- 构建高质量训练数据，优化模型能力，并建立科学的评测体系以验证模型效果
- 与业务及产品团队紧密协作，将大模型技术转化为智能手机及ToB场景中的实际落地应用
- 扎实的深度学习与数学基础，精通Transformer及大语言模型、多模态模型底层原理
- 熟练掌握Python和PyTorch，具备大模型训练、后训练（SFT/RLHF等）及多模态模型的实际项目经验
- 具备优秀的英文论文阅读与前沿技术追踪能力，能独立完成算法复现与创新设计
申请策略
- 了解阿里在AI手机及通义大模型方面的最新业务布局，准备针对大模型落地痛点的个人见解或解决方案
- 重点突出在大模型、多模态或Agent方向的具体项目经验及性能提升指标
- 展示顶会论文、知名开源项目贡献或高水平算法竞赛成绩
- 强调将业务问题抽象为算法目标并成功落地的经历，体现技术到业务的转化能力
- 深入学习强化学习（RLHF/DPO/GRPO）及模型后训练技术，掌握最新优化方法
- 提升大模型数据构建、合成与质量评估的实操能力，理解数据对模型效果的决定性作用
面试指南
- 采用STAR法则描述项目，重点突出“问题定义-技术方案-实验对比-业务收益”的完整闭环
- 对于技术原理问题，先讲核心思想，再结合自己的实验细节和踩坑经验进行阐述，避免纯背书
- 请详细介绍你在多模态模型或Agent方向的一个核心项目，遇到了什么技术瓶颈，如何解决的？
- 在模型后训练中，SFT和RLHF/DPO的适用场景和优缺点是什么？你在实验中如何调优？
- 如何构建高质量的大模型训练数据？请分享你的数据合成与筛选策略
- 针对AI手机场景，你认为大模型端侧部署面临的最大挑战是什么？有哪些优化思路？
- 复习Transformer、RLHF、多模态融合等核心论文及底层原理，确保能应对深度技术拷问
- 了解阿里通义千问及AI手机相关的最新技术博客和产品发布，结合公司业务准备回答
职位点评
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
大模型算法岗薪资处于行业顶尖水平，且上市公司福利体系完善，补偿性动机满足度高。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
95较高
岗位聚焦大模型最前沿方向，依托丰富算力与业务场景，技术成长与科研发展空间极大。
技术前沿前沿/新兴技术
技术栈大模型、Agent、多模态、Transformer、PyTorch、RLHF、DPO、GRPO
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，且大模型研发通常伴随较高的工作强度，生活化动机满足度一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
AI大模型及AI手机属于当前科技领域最具变革性的方向，具有较高的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs