阿里云阿里云智能-大模型智能算法专家-杭州/北京
任职要求
1、计算机科学、软件工程、数学、统计学等相关专业，硕士及以上学历 2、具备独立的从业务需求到算法工程转化和落地能力，在自然语言理解NLU/自然语言生成NLG、对话机器人、搜索推荐、知识图谱等一个或多个领域有大规模场景落地经验 3、在大模型LLM相关技术方向有实战经验者优先，比如LLM训练和优化、Agent/Multi-Agent的…
工作职责
负责大模型Large Language Model(LLM)技术在云计算服务领域多个业务场景落地的核心技术攻坚，尤其是阿里云服务领域的数字员工的建设和落地，以及阿里云智能客服大模型对话机器人、智能辅助Copilot、服务体验等场景的大模型落地，提升内外部用户的服务效率和服务体验。 岗位职责包括但不限于： 1. 负责基于通用基座大模型(通义千问等)结合领域数据构建云计算服务领域大模型，包括大模型落地业务场景识别、数据清洗/构造，LLM训练和调优，搜索增强RAG，LLM Agents等LLM关键技术方向攻坚 2. 探索基于大模型技术的服务新形态，包括多个场景的数字服务小二，，智能辅助Copilot等云计算服务新形态场景的大模型落地技术，打造云计算服务领域“大模型落地”的标杆 3. 深入阿里云服务内外部业务场景，结合大模型技术、搜索推荐、多模态等算法模型能力解决云服务领域实际业务痛点，并参与规划和设计未来云服务领域的大模型技术演进规划和落地
1、围绕行业AI应用快速落地，研发端到端智能体核心技术，方向包括但不限于：Agent RL强化学习方法、全模态数据解析与私域知识加工、自规划和自主进化的多智能体等技术，提升智能体在复杂业务流中的效果与适应性。 2、攻坚突破大模型产品在行业应用落地和交付过程中的技术难题，与业界先进技术进行持续对比，并保持优势。 3、具备良好的产品化思维，驱动产品迭代，与产品和工程团队紧密合作，将算法技术应用于实际产品，带来产品商业化增量和竞争力。 4、深入研究大模型和智能体技术，持续关注和探索大模型和智能体方向的前沿动向和技术趋势，打造产品业界影响力。
我们正在重新定义“千问”：从一个博学的对话者进化为具备执行力的数字实体。我们的核心使命是构建一套统一的认知架构，打破模型与现实世界的壁垒。通过 Skill-based Agent 技术，实现从“语义理解”到“任务闭环”的跨越，让 AI 真正深入生产力场景，实现数字世界与物理世界的高效连接 1. 统一认知架构设计与能力演进： - 深度对接阿里集团内部及外部第三方服务，设计并实现高效、稳定的 Agent 框架。负责将复杂的业务逻辑抽象为可插拔的配置、标准化的工具，供大模型理解与调用。 - 设计 skill-based 【统一Agent】架构，实现长程规划与自我反思能力的统一认知架构，以协调内部的推理、记忆和执行模块，实现统一智能体在跨场景、长链条任务上的优异表现。 - 推动并构建一个动态的“千问能办” skill library，将海量、异构的原子能力抽象为该统一智能体可学习、可组合、可泛化的skill，探索自动化技能发现与组合优化的前沿方法。 2. 核心场景算法优化： ⁃长程规划与决策优化： 针对复杂复合需求，研发先进的任务分解与多步推理算法，解决长链条执行中的错误积累与漂移问题。 -Agentic-RL 策略： 构建基于 环境反馈的强化学习（RLHB/RLAIF） 体系，通过在模拟环境中的大规模探索，提升 Agent 在极端场景下的鲁棒性与决策上限。 -领域知识注入： 针对高频场景（学习、办公、生活）进行长程预训练与持续学习，让 Agent 不仅拥有通用逻辑，更具备深度的行业专家意识。 3. 实际需求驱动迭代： - 建立科学、全面的Agent评测体系，通过线上数据分析、Bad Case挖掘，精准定位模型在幻觉、误拒答、组合泛化、执行失败等方面的瓶颈。 - 领导数据驱动的迭代飞轮，不仅是利用线上反馈进行微调，更要探索世界模型模拟、合成数据生成、以及基于AI反馈的强化学习等手段，高效、规模化地提升统一智能体的能力上限。
我们正在重新定义“千问”：从一个博学的对话者进化为具备执行力的数字实体。我们的核心使命是构建一套统一的认知架构，打破模型与现实世界的壁垒。通过 Skill-based Agent 技术，实现从“语义理解”到“任务闭环”的跨越，让 AI 真正深入生产力场景，实现数字世界与物理世界的高效连接 1. 统一认知架构设计与能力演进： - 深度对接阿里集团内部及外部第三方服务，设计并实现高效、稳定的 Agent 框架。负责将复杂的业务逻辑抽象为可插拔的配置、标准化的工具，供大模型理解与调用。 - 设计 skill-based 【统一Agent】架构，实现长程规划与自我反思能力的统一认知架构，以协调内部的推理、记忆和执行模块，实现统一智能体在跨场景、长链条任务上的优异表现。 - 推动并构建一个动态的“千问能办” skill library，将海量、异构的原子能力抽象为该统一智能体可学习、可组合、可泛化的skill，探索自动化技能发现与组合优化的前沿方法。 2. 核心场景算法优化： ⁃长程规划与决策优化： 针对复杂复合需求，研发先进的任务分解与多步推理算法，解决长链条执行中的错误积累与漂移问题。 -Agentic-RL 策略： 构建基于 环境反馈的强化学习（RLHB/RLAIF） 体系，通过在模拟环境中的大规模探索，提升 Agent 在极端场景下的鲁棒性与决策上限。 -领域知识注入： 针对高频场景（学习、办公、生活）进行长程预训练与持续学习，让 Agent 不仅拥有通用逻辑，更具备深度的行业专家意识。 3. 实际需求驱动迭代： - 建立科学、全面的Agent评测体系，通过线上数据分析、Bad Case挖掘，精准定位模型在幻觉、误拒答、组合泛化、执行失败等方面的瓶颈。 - 领导数据驱动的迭代飞轮，不仅是利用线上反馈进行微调，更要探索世界模型模拟、合成数据生成、以及基于AI反馈的强化学习等手段，高效、规模化地提升统一智能体的能力上限。
1. 参与阿里云AI产品的创新研发，基于LLM、多模态等大模型构建有商业化价值的视频、图片、文档等处理应用和完整技术解决方案；具体工作包括但不限于对模型进行Post-training，多智能体协同，以及通过传统机器学习模型加强AI应用的效果和效率； 2. 参与阿里云AI产品的算法迭代和技术框架设计，包括但不限于算法链路设计、数据集建设、模型优化、自动化评估、面向商业化效果的AB实验体系构建、算法部署等工作； 3. 基于需求分析将复杂的业务场景分解抽象为可理解的模型，通过开源业界&公司内调研进行合适的算法技术选型，进行系统化取舍判断并推演设计出最终算法解决方案。