Alibaba logo
阿里巴巴
算法工程师实习生

算法工程师实习生

发布于 2 小时前

实习/见习

AI 估算 · 6.0千–1.0万 · AI 参考估算
无经验要求
硕士
实习生仅现场办公AI算法
AI算法
Ocr
Rlhf
Sft
多模态大模型
大模型预训练
数据治理
深度学习
目标检测
计算机视觉

值不值得投

73综合评分

综合评分 73

前沿多模态算法实习、导师与GPU资源丰富,但需长期线下全职投入

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,方便比较实习机会。

薪资怎么样

8.0千

与AI算法中位数基本持平

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 5200 个在招 · 其中AI算法 约 110 个

市场机会

选择面较广

北京 · AI算法 · 约 280 个在招

职位详情

关于这个职位

该岗位面向计算机、人工智能等相关专业在读硕博生,围绕多模态大模型、图像与多模态理解等方向开展算法研究与工程实践

实习中可接触GPU资源、海量业务数据和产研结合场景,并有机会参与顶会论文产出

最低要求

计算机、数学、自动化、电子信息、人工智能等相关专业的全日制在读硕士/博士(面向2026年11月及以后的海内外高校在校生)

具备基本的计算机视觉/机器学习/深度学习等相关理论功底
能够线下全职实习,实习时间至少6个月以上,能长期实习者优先

工作职责

多模态大模型(包括但不限于大模型预训练、垂域微调SFT、RLHF、数据治理飞轮、训练部署加速等)

图像/多模态理解(包括商品多模态理解VG、目标检测、OCR、图像/多模态表征等)
其他任何感兴趣/有价值的方向也欢迎交流讨论

优先资格

有相关方向的项目经验或者顶会论文发表者优先(如CVPR/ICCV/ECCV/NeurIPS/ICLR等)

能长期实习者优先

AI 洞察

优缺点分析

优点

  • 方向覆盖多模态大模型、SFT、RLHF、训练加速等前沿主题,技术成长空间较大
  • JD明确提到充裕GPU资源、海量业务数据和基础能力积累,有利于高效开展实验
  • 支持鼓励实习生投递顶会论文,对希望积累学术成果的候选人有吸引力
  • 多模态大模型方向技术门槛高,需要同时具备理论理解、实验能力和工程实现能力
  • 有顶会论文或相关项目经验者优先,竞争可能较激烈
  • 适合计算机、人工智能、数学、自动化等专业在读硕博生,尤其是有多模态、计算机视觉、深度学习项目或论文经历,并能长期线下全职投入的候选人

缺点 / 挑战

  • 有来自国内外高校师兄师姐的指导,并且尊重实习生意见、自由度较高
  • 要求线下全职实习且至少6个月以上,对在校生的课程安排和时间投入要求较高

角色解读

  • 从实习生逐步积累大模型训练、多模态理解和工业级数据治理经验,提升算法研究与工程落地能力
  • 表现优秀可继续在算法研发、多模态大模型研究、视觉算法专家等方向深耕
  • 产研结合环境也为论文发表、技术影响力积累和后续校招转正提供可能
  • 参与多模态大模型相关研发,包括预训练、垂域微调SFT、RLHF、数据治理飞轮和训练部署加速等方向
  • 参与图像与多模态理解任务,例如商品多模态理解VG、目标检测、OCR以及图像/多模态表征学习
  • 基于业务数据和基础能力积累开展实验、复现与优化,推动算法效果提升
  • 在导师指导下探索有价值的新方向,并可能将成果整理投递至顶会论文
  • 需要掌握计算机视觉、机器学习和深度学习基础理论,能够理解模型训练与评估流程
  • 最好有多模态大模型、目标检测、OCR或表征学习等项目经验,具备实验设计与结果分析能力
  • 具备较强的工程实践能力,能够使用主流深度学习框架开展训练、微调和部署相关工作
  • 有CVPR、ICCV、ECCV、NeurIPS、ICLR等顶会论文经历会明显加分

申请策略

  • 申请时建议说明自己最感兴趣的方向,如大模型预训练、垂域微调、商品多模态理解或训练部署加速
  • 关注岗位与自身论文/项目方向的匹配度,并在简历和沟通中突出能长期稳定投入的时间安排
  • 突出与多模态大模型、SFT、RLHF、目标检测、OCR或视觉表征相关的研究项目和实验结果
  • 写明使用过的深度学习框架、模型结构、训练策略、数据治理方法和部署加速经验
  • 如有CVPR、ICCV、ECCV、NeurIPS、ICLR等论文、竞赛或开源项目,应放在显眼位置并说明个人贡献
  • 明确标注可线下全职实习的起始时间、持续周期和长期实习意愿
  • 提前巩固Transformer、视觉语言模型、对比学习、目标检测和OCR等核心知识
  • 补充PyTorch、分布式训练、模型微调、推理加速和实验管理相关实践能力

面试指南

  • 项目类问题采用“背景—难点—方法—实验—复盘”的结构,重点说明自己的具体贡献和指标提升
  • 技术类问题先讲基本原理,再结合项目经验说明实际取舍,例如效果、成本、训练稳定性和部署约束
  • 时间类问题直接给出明确可到岗时间、持续周期和课程安排,体现长期实习的稳定性
  • 请介绍一个你做过的计算机视觉、多模态或大模型相关项目,包括问题背景、方法设计和实验结果
  • 你如何理解SFT、RLHF和数据治理飞轮在大模型训练中的作用?
  • 对目标检测、OCR或图像/多模态表征任务,你熟悉哪些主流方法和评价指标?
  • 如果训练效果不理想,你会如何从数据、模型、损失函数和超参数等角度排查?
  • 你每周和每月可以稳定投入多少时间线下实习,能否保证6个月以上?

职位点评

薪资福利70
成长发展92
工作生活45
使命价值78

薪资福利

70中等

JD未披露薪资与福利信息,但岗位为算法实习生,且明确提供GPU资源、海量业务数据和导师指导等成长支持。补偿性动机只能部分判断。

薪资信号未披露(AI估算:6.0千–1.0万/月)

成长发展

92较高

岗位覆盖多模态大模型、SFT、RLHF、训练部署加速等前沿方向,并明确提供导师指导、自由度和顶会论文支持,发展性动机满足度很高。

技术前沿前沿/新兴技术
技术栈多模态大模型、大模型预训练、SFT、RLHF、数据治理飞轮、训练部署加速、目标检测、OCR、图像/多模态表征
成长机会来自国内外top学校的师兄/师姐的倾力指导、充分尊重实习生个人意见,自由度高、产研结合,支持鼓励实习生投递顶会论文
业务类型ambiguous

工作生活

45较低

JD明确要求线下全职实习且至少6个月以上,办公灵活性较低;未提及弹性工时、双休或不加班等生活化安排。

工作模式仅现场办公
办公地点未明确
加班情况未提及(无法判断)

使命价值

78中等

岗位聚焦多模态大模型和图像理解等前沿AI方向,并支持顶会论文与产研结合,对希望参与技术创新的候选人有较强吸引力;但JD未明确描述社会使命或公共价值。

行业发展新兴领域(暂难判断)
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs