阿里巴巴AI Infra工程师 - 大模型方向（T-Star Lab日常实习）

任职要求

1. 硕士及以上学历，2026年11月1日以后毕业，计算机科学/人工智能/机器学习/自动化等相关专业，能连续实习3个月及以上；
2. 具备扎实的编程基础（C/CUDA/C++/Python），熟悉常用算法与数据结构，掌握机器学习基础理论，了解搜推广系统/自然语言处理/多模态等至少一个领域；
3. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；
4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展；
5. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先；
6. 具备较…

工作职责

我们致力于打造面向搜推广场景 & 广告营销场景的业界领先AI Infra平台。团队贴合 阿里电商核心营销业务，承担着超大规模特征工程、深度学习与多模态训练推理、 AIGX & LLM 分布式训练与在离线推理、实时数据回流等关键职责，在高性能服务和优化、分布式计算和存储系统、并行与异构计算加速（CPU/GPU/XPU）和深度学习编译优化等课题上都具有业界最前沿的挑战。
希望你能够立足AI Infra方向，保持技术敏感性，推进基座大模型与广告-大模型结合的 AI Training & Inference 的系统级优化。在这里，你将接触到前沿的电商搜推广技术，以及有机会提前获得秋招直通T-Star的正式Offer。

岗位课题：
大模型 AI Infra 的 Algorithm-Training-Inference-Hardware co-design

课题项目背景：
面向广告业务的大盘提效（广告-大模型结合）、营销场景的 AIGX & LLM/MLLM，整体的大模型技术体系已经深度渗透到了日常业务迭代中，需要与算法协同解决基座模型（超大规模MoE）的 Training & Inference 系统性能与计算效率问题。

成长资源：计算机体系结构/计算机网络领域的博士及大模型技术相关算法工程化领域senior/staff engineer 的贴身指导；业界最前沿问题、世界级业务场景的落地挑战；不光做系统，通过 Algorithm-Training-Inference-Hardware 协同设计，还能深入理解算法与硬件。

岗位职责：
1. 超大规模Sparse-Dense模型（for 广告）和Dense大模型（for GenAI应用）的训练架构设计优化并推动生产落地。
2. 大规模异构硬件Training系统的计算性能与效率优化。
3. Algorithm-Training-Inference Co-Design，整体提升模型效率。