美团智能文档解析&OCR方向实习生

1.负责企业微信文档（SaaS侧）核心功能的全流程策划与产品定义，包括需求调研、功能规划、产品设计及上线推动； 2.深度打磨在线文档、表格、智能表格等文档形态的跨平台编辑体验，持续优化企业级协同创作与知识管理平台的易用性与流畅性； 3.探索AI技术在企业知识沉淀与检索等场景的应用，推动AI能力与文档产品的深度融合； 4.主导跨团队协作，与研发、设计、运营及商业化团队紧密配合，高效推进项目全生命周期管理，确保产品高质量交付； 5.基于用户反馈与业务数据，持续迭代产品功能，提升用户满意度和产品竞争力。

团队介绍 通义实验室专注于通用人工智能（AGI）、大模型基础研究及行业应用创新。我们以前沿技术探索为驱动，推动大模型赋能千行百业，助力AI创造社会价值，服务云上生态合作伙伴。通义文档智能团队围绕长文本理解、文档写作、文档智能体和文档解析基础技术，专注于文档理解、推理、生成大模型的研究、探索和开发，依托集团业务场景与技术生态，推动前沿 AI 技术落地，打造多款通义产品如QwenLong、通义数据挖掘应用（QwenDoc）和文档智能解析产品Document Mind等。 职位描述 专注于文档理解、推理、生成大模型的研究、探索和开发，具体职责包括： 1. 通过研究超长上下文管理和记忆技术、模型自进化、long cot、数据自动合成技术等提升超长文本、多文档能力； 2. 长文本强化学习基础技术研究，包括long-context reasoning RL、open-ended generation RL、long-context agentic RL。重点解决长文本强化学习训练稳定性和推理过程监督问题，提升文档大模型长文推理能力、创作生成能力、文档agentic智能，发表高水平论文、techreport； 3. 研究深度文档创作技术，在SFT、RL阶段探索提升策略，优化reward model在创作任务上的判别精度和泛化性能，提升大模型的写作、纠错、改写、仿写、编辑、风格化、长文本输出等创作能力，设计完善的评估体系； 4. 研究多模态文档解析和理解技术，提升多模态文档细粒度理解、多模态多页长文档、表格理解、多模态推理等技术。

围绕多模态文档智能方向，开展文档理解、文档推理和文档智能体相关研究，推动多模态大模型在真实文档场景中的能力提升，并服务实际业务落地。 你将参与以下一个或多个方向的工作： 1. 文档理解：面向复杂长文档场景，研究文档解析与结构化重建技术，提升模型对文本、公式、表格、图像等元素的识别、定位和还原能力，探索从图像到结构化文档的端到端方案。结合真实场景进行数据构建、实验设计与效果分析，持续优化模型在复杂文档解析任务中的表现； 2. 文档推理：面向统计图表、学术论文、行业报告等高信息密度文档，研究多模态大模型的图文理解、逻辑推理和数值分析能力，提升模型在复杂文档问答、证据整合和长上下文推理任务中的表现。围绕关键任务开展数据整理、评测设计和实验迭代，持续分析并改进模型在复杂文档推理中的效果； 3. 文档智能体：探索基于多模态大模型的文档智能体能力，包括跨文档检索、信息搜集、任务规划、工具调用和结果验证等，推动模型完成如研报生成、信息抽取、跨文档对比分析等复杂任务。结合具体业务场景，参与任务设计、效果评估和系统迭代，提升智能体在真实任务中的完成质量。

1. 与产品、研发、解决方案团队紧密协作，基于用户场景与产品定位，规划并开发高质量技术内容，包括但不限于：产品介绍、用户手册、操作指南、快速入门、最佳实践、故障排查、开发者文档、API/SDK 参考等； 2. 参与制定文档规范、协作流程与质量标准，推动文档体系化、工具化、自动化； 3. 主动收集用户反馈（来自工单、社区、销售、客服等），分析文档体验问题，提出并推动改进方案落地； 4. 确保文档与产品版本同步，保障内容的准确性、一致性与时效性。