大模型训练推理前沿技术及算法融合创新-阿里星-阿里巴巴2027届实习生

1. 大模型训练系统研发：构建支持百亿～万亿参数规模的高性能分布式训练框架，覆盖稠密模型与稀疏MoE模型，探索万卡级别的扩展与调度优化； 2. 大规模分布式推理系统优化：构建支持超长序列的并行推理引擎，结合缓存管理、自动并行、量化、蒸馏等手段优化成本与时延； 3. 强化学习与对齐系统建设：研发多种强化学习与对齐算法（如SFT、RM、RLEF等），提升模型在数学、代码、多模态等领域的推理与对齐能力; 4. Agent系统与交互智能体研发：探索多工具、多Agent协同、复杂任务长链推理任务，构建奖励模型、环境沙箱、Tool-use机制，支撑未来具身智能与Agentic RL的发展； 5. 工程×算法融合创新：将前沿算法（如量化、剪枝、稀疏化、动态蒸馏、神经架构搜索等）落地到生产级系统，实现算法优化与系统性能双提升； 6. 工程&应用&业务结合方向，与算法、系统、业务团队紧密协作，在电商、内容生成、智能客服等超大流量场景中实现 LLM、VLM、Diffusion 等模型的工程闭环。

1、对大模型工程（如迭代模式、端到端系统设计、工程框架、性能建模等）有比较深刻的理解，至少熟练掌握一种常见训练/推理框架； 2、理解异构计算和软硬件结合优化，在性能优化方面有一定经验。理解 cutlass 和 trition 编译技术者优先； 3、理解大模型领域算法原理（Transformer、MoE、MLA、Diffusion 等）； 4、有一定大规模分布式系统开发和优化经验； 5、善于沟通协作，善于动手，乐于学习和接受挑战； 6、有大模型工程/算法相关顶会论文者优先。