通义通义实验室-代码大模型算法工程师-Qwen
任职要求
1. 计算机科学、人工智能、机器学习等领域的博士/硕士毕业生。 2. 对上述前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式，能够独立应用技术解决复杂问题。 3. 在上述方向有过相关的科研或项目经历，在顶级会议上发表过相关论文，有深度学习，…
工作职责
通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 Coder 团队致力于构建能够执行、扩展并自我进化的自主系统，通过构建超智能的 coding agent / digital agent，扩展数字世界，为迈向真实世界的智能奠定基础。 工作职责： 1. 负责通用模型 Qwen 的代码能力和代码专有模型 Qwen-Coder 的构建。 （1）包括但不限于数据收集、预训练、后训练（强化学习）、评测等方向上的探索。 （2）我们坚持 Large-scale Pre-training 和 Large-scale RL 来提升 Code Reasoning 能力，在专家级编程竞赛超越人类，并构建 Coding Agent 来解决真实世界软件开发任务。 2. 负责 Computer-Use Agent (GUI-Agent）的建设，以最直观的方式—鼠标、键盘、编码等操作来代替人类执行数字世界任务。 （1）通过 Scaling 海量数字世界数据结合大规模合成数据，来提升 Computer-Use Agent 的 Grouding 能力。 （2）通过 Long Horizon 的方式进行强化训练，结合可扩展的多模态环境反馈来提升 CU Agent 的 Reasoning 的能力。
Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Search Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，实现全球B2B跨境贸易跨越式发展。 1、参与开发和优化新一代多模态原生AI搜索系统，包括但不限于多模态模型训练、跨模态生成与检索、生成式AI搜、多模态Agent等； 2、参与搜索引擎研发，全链路提升搜索效果，包括但不限于多模态理解、query分析、召回、相关性、排序等关键模块的算法设计与优化； 3、参与买家Agent全链路开发与优化，跟踪前沿多模态大模型技术，探索推动开源SOTA模型的产品化落地。
1、主导终端编程AI 产品的大模型预训练、微调及强化学习算法研究（如RL、多智能体协作），探索模型能力边界与系统泛化性提升方案； 2、提升代码补全、生成、理解、问题修复各个关键任务的性能以及在产品上的表现； 3、研发代码数据增强技术（代码合成/生成），实现模型定向能力增强，研究规模化训练技术； 4、将NLP技术与代码分析等方法结合，解决代码生成、代码理解以及代码风险检测等问题。
1. 构建基于计算机视觉 + VLM/MLLM 的容器与商品语义理解体系，融合图像、点云与文本信息，提高复杂 SKU 识别与定位鲁棒性。 2. 设计检测/分割 + 3D 点云融合网络，实现多品混放场景的实例分割与 6D 抓取点预测。 3. 对 LLaVA、Qwen2-VL、InternVL2.5 等多模态大模型进行指令微调，支持机器人自然语言任务下达与动态规划。 4. 负责相机、雷达联合标定，多传感器融合（RGB-D + 点云 + 力矩传感器）。 5. 搭建自动标注与主动学习流水线，建设数据飞轮。 6. 关注行业最新多模态技术，快速验证并落地仓储场景。
1. 基于代码大模型进行续训、SFT、强化等技术手段，构建代码大模型的代码补全、代码生成、代码优化、下一个光标位置预测、智能重写等代码能力，目标是对标业界领先的AI编码产品，如Cursor、Github copilot等； 2. 构建和维护高效的代码数据研制流水线，能够从源代码中提取特定代码任务的数据或基于gpt/ds等大模型进行合成数据，确保数据的质量和多样性，支持大模型的代码能力训练； 3. 能够基于用户的实际使用场景和反馈（bad case）进行深入分析，识别模型中的问题点，提出有效的解决方案和优化策略，推动模型的持续迭代与优化； 4. 跟踪并研究代码智能领域的前沿技术，探索将最新的研究成果应用于实际项目中，提升代码智能算法的先进性和实用性； 5. 与研发团队紧密合作，确保算法开发与业务需求的紧密结合，通过技术创新推动业务流程的优化与效率提升。