阿里巴巴
多模态生成理解基础模型 - 阿里星
多模态生成理解基础模型 - 阿里星
发布于 3 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
Agentic Rl
Attention
Moe
多模态大模型
大规模数据处理
强化学习
扩散模型
模型架构设计
计算机视觉
值不值得投
82综合评分
综合评分 82
顶尖AI大模型研发岗，技术前沿、薪资极高、成长空间大，但工作强度与挑战较大。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
6万
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 3130 个在招 · 其中人工智能 约 340 个
市场机会
选择面较广
杭州 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
该职位致力于下一代多模态大模型的核心技术研发，参与构建业界领先的多模态生成与理解基础模型
你需要深入研究多模态模型、强化学习等前沿AI技术，并打通技术与业务场景的落地链路，推动生成与理解相关技术的实际应用
最低要求
具备以下至少一个方向的研究与工程实践经验：原生多模态基础模型训练实战经验
基于 Agent 的强化学习（Agentic RL）训练实战经验
图像 / 视频生成扩散模型核心模块、大规模训练落地经验
模型架构设计相关大规模实验经验（包括 MoE、Attention、动态稀疏结构、超长序列建模等方向）
原生多模态、统一生成与理解范式下的大规模数据分析、处理、构造、合成经验
扩散模型、优化器（Optimizer）相关前沿研究经验
工作主动性强，逻辑清晰，可承担有挑战性前沿研发课题
具备良好团队协作能力，能够协同团队完成项目产出
工作职责
投身下一代多模态大模型核心技术，参与构建业界领先的多模态生成理解基础模型，共同探索下一代 AI 的技术
持续跟进并深入研究多模态生成理解模型、强化学习等人工智能前沿技术
打通前沿技术与业务场景落地链路，开展生成与理解相关技术落地工作
优先资格
掌握多个方向者优先
工程能力突出者优先
拥有计算机视觉、语音合成 / 识别、音频理解生成相关研发经历优先
拥有 CVPR/ICCV/ECCV/NeurIPS/ICML/ICLR/ICASSP/Interspeech/ACL 等顶会论文成果者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型技术的最前沿，能够接触到多模态、强化学习等顶尖技术，技术壁垒极高
- 依托丰富的算力资源与海量数据，能够开展大规模模型训练与落地，工程视野广阔
- 作为顶尖人才计划，通常能获得极具竞争力的薪酬回报与内部核心资源倾斜
- 大模型研发竞争激烈，技术迭代极快，需要持续跟进最新论文并保持高强度的学习与研究
- 适合拥有扎实AI学术背景（如顶会论文）、对多模态大模型有强烈热情，且具备极强工程落地能力的顶尖技术人才
缺点 / 挑战
- 打通前沿技术与业务场景落地存在较大不确定性，可能面临模型效果与业务需求不匹配的工程挑战
角色解读
- 从核心算法研究员/工程师成长为多模态大模型领域的技术专家
- 未来可带领团队攻坚下一代AI基础模型，或向AI业务落地负责人、技术总监方向发展
- 参与构建业界领先的多模态生成与理解基础模型，探索下一代AI核心技术
- 深入研究多模态模型、强化学习（如Agentic RL）、扩散模型等前沿算法
- 打通前沿技术与业务场景的落地链路，推动生成与理解技术的实际业务应用
- 具备原生多模态基础模型训练、扩散模型或模型架构设计（MoE、Attention等）的实战经验
- 拥有大规模数据分析、处理、构造与合成能力，或具备CV/语音/音频相关研发经历
- 具备顶会论文发表经验，展现出扎实的学术功底与前沿技术探索能力
申请策略
- 该计划对综合素质要求极高，建议在面试中展现出对下一代AI技术演进的深度思考与前瞻性视野
- 重点突出在多模态、扩散模型、强化学习或模型架构设计等至少一个方向的深度实战经验与成果
- 详细列出发表的顶会论文（如CVPR/NeurIPS等）及其核心贡献，展现学术影响力
- 强调大规模数据处理、模型训练的工程能力，以及将技术成功落地于业务场景的实际案例
- 深入研读最新的多模态大模型、Agentic RL及扩散模型相关顶会论文，保持技术敏锐度
- 提升大规模分布式训练的工程能力，熟悉主流深度学习框架及底层优化技术
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、具体行动（突出个人贡献）和最终业务或学术成果
- 技术深度+广度：回答技术问题时，先讲透底层原理，再结合具体场景说明工程实现细节与优化策略
- 请详细介绍你在多模态基础模型训练或扩散模型核心模块设计中的具体贡献与遇到的技术难点
- 针对基于Agent的强化学习（Agentic RL），你认为目前最大的挑战是什么？你有什么解决思路？
- 在打通前沿技术与业务场景落地时，如果模型效果无法满足业务指标，你会如何排查和优化？
- 请分享一篇你最满意的顶会论文，其核心创新点是什么？如果现在让你继续深入研究，你会做哪些改进？
- 系统复习多模态大模型、扩散模型、强化学习的最新经典论文，确保对核心公式和架构细节了然于胸
- 准备1-2个具有代表性的技术攻坚案例，重点突出你如何解决复杂工程问题或突破技术瓶颈
职位点评
薪资福利95
成长发展95
工作生活40
使命价值85
薪资福利
95较高
作为顶尖AI人才计划，该职位提供极具市场竞争力的薪酬回报，满足对高薪的期望。
薪资信号偏高 (4千–8万/月)
成长发展
95较高
处于AI大模型技术最前沿，能接触到顶尖算力与数据资源，技术成长与行业视野提升空间巨大。
技术前沿前沿/新兴技术
技术栈多模态大模型、强化学习、Agentic RL、扩散模型、MoE、Attention
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，无法判断其工作强度与办公灵活性。
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
85较高
致力于探索下一代AI技术，推动多模态大模型的发展，具有较高的技术使命感与行业影响力。
行业发展高速增长赛道
社会影响中性/一般
使命信号探索下一代 AI 的技术
创新程度开拓性创新（行业首创）
Watch Jobs