阿里巴巴
校招端云多模态智能体推理&调度-阿里星/A Star
北京/杭州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1）计算机科学、人工智能等相关学历背景，研究方向聚焦多模态学习、模型压缩与高效推理、文档理解、分布式/端侧推理中的一项或多项。
- 2）精通Python/C++/PyTorch，有极强的动手和代码能力，具备大模型推理系统开发经验，熟悉vLLM、llama.cpp、TensorRT、ONNX Runtime、OpenVINO等框架者优先。
- 3）扎实掌握模型量化（GPTQ/AWQ等）、多模态模型架构（ViT、Cross-Attention等）、文档理解（OCR/Layout分析）、端侧推理优化等核心技术中的一项或多项，具备算法创新与系统工程能力。
- 4）前沿技术研究：跟踪多模态大模型、终端高效推理与端云协同领域的最新研究进展，在顶级会议（NeurIPS, ICML, CVPR, ACL, MLSys）发表相关论文。
岗位描述
- 1）负责面向政企场景的多模态智能体终端推理技术研究，突破办公PC上的模型极致压缩、文档视觉Token压缩与CPU/NPU推理加速等核心技术，实现多模态智能体在办公终端的流畅运行。
- 2）设计并实现安全感知的端云协同推理架构，支持敏感数据终端本地推理、非敏感任务智能分流云端、压缩表征安全传输，覆盖文档审阅、合规审查、辅助审批、知识问答等核心政企业务场景。
- 3）构建面向政企业务的多模态ReAct推理框架，支持文档理解、跨文档对比、知识检索增强推理等深度智能体能力。
- 4）推动端云协同推理方案在政务、金融、能源、法务等多个行业的落地验证，持续优化推理体验与数据安全保障。
- 5）主导或参与开源政企端云推理工具链的研发与推广，提升技术影响力。
- 1）计算机科学、人工智能等相关学历背景，研究方向聚焦多模态学习、模型压缩与高效推理、文档理解、分布式/端侧推理中的一项或多项。
- 2）精通Python/C++/PyTorch，有极强的动手和代码能力，具备大模型推理系统开发经验，熟悉vLLM、llama.cpp、TensorRT、ONNX Runtime、OpenVINO等框架者优先。
- 3）扎实掌握模型量化（GPTQ/AWQ等）、多模态模型架构（ViT、Cross-Attention等）、文档理解（OCR/Layout分析）、端侧推理优化等核心技术中的一项或多项，具备算法创新与系统工程能力。
- 4）前沿技术研究：跟踪多模态大模型、终端高效推理与端云协同领域的最新研究进展，在顶级会议（NeurIPS, ICML, CVPR, ACL, MLSys）发表相关论文。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。