通义Token Foundry-合版算法专家-Qwen
任职要求
1. 计算机、机器学习、人工智能等相关专业，硕士及以上学历，博士优先。 2. 具有大模型 Post-training（SFT / RL 等）或模型蒸馏、模型融合相关方向的实践经验。 3. 精通 Python 及 PyTorch 等深度学习框架，具备扎实的工程实现能力，能够独立完成从算法研究到工程落地的全链路工作。 4. 对数据敏感，具备良好的数据分析能力，能够系统性地定位模型能力瓶颈并制定优化策略。 …
工作职责
1. 合版核心算法研究：探索 On-policy Distillation、知识融合等先进技术，研究更优的 SFT Objective，实现多能力模型的高效合版，最大程度减少能力冲突与遗忘。 2. 数据策略与冲突消解：深入分析不同能力域的数据配比，建立系统化的冲突检测与消解机制，制定科学的合版数据策略，保障模型在各项能力上的均衡与稳定。 3. 合版评测体系建设：设计并推进高效、快速的合版评测方案，构建覆盖多维能力的自动化评测 Pipeline，实现合版效果的快速迭代与精准度量。 4. 合版链路自动化：推动合版全流程的工程化与自动化，包括训练、评测、对比分析、版本管理等环节，提升模型交付的效率与可靠性。 5. 前沿技术追踪与落地：持续关注模型融合、蒸馏、多任务学习等领域的前沿进展，将有效方法快速验证并落地到Qwen的合版实践中。
1. 面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行。 2. 深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。 3. 制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。 4. 针对移动端等资源受限环境，优化Agent调用链路的性能、延迟与鲁棒性，支持离线、弱网、低功耗等边缘场景下的可靠运行。
1. 负责机器人操作系统的整体软硬件集成与真机部署，完成机械臂、传感器、计算单元等系统的搭建、调试与优化，构建稳定可靠的机器人运行环境。 2. 负责实时遥操作系统的开发与优化，满足高时效性和可靠性要求，设计并搭建真机评测体系与数据管线。 3. 解决真实机器人系统中的部署问题（延迟、标定误差等），优化异步推理系统（RTC等），设计安全保护机制（碰撞检测、异常行为监测、急停），持续提升系统鲁棒性与安全性。 4. 协同算法、数据、硬件团队，将前沿算法成功转化为可稳定运行的机器人系统，推动在真实场景和任务的落地闭环。
1. 探索研究多模态生成大模型的设计与开发，探究高效生成、生成理解统一、多模态理解、强化学习/RLHF后训练和高效数据管线设计等方向。 2. 参与研发多模态生成大模型开发等下一代人工智能核心技术，参与大规模生成基础模型预训练与后训练开发。 3. 负责跟踪和研究多模态生成大模型前沿技术调研、落地、对业务进行优化。
千问（Qwen）是由阿里巴巴研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 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。 我们期望打造世界一流的预训练 LLM 基座，开发涵盖参数量从几百M到T级的基座模型，并将作为 Qwen / QwenVL / Qwen-Omni / Qwen-Coder 等系列模型的基座。我们追求将现有的预训练技术做到极致，并积极探索下一代的预训练技术。 工作职责： 1. 预训练数据：大规模预训练数据合成技术探索、STEM & reasoning 优化、长尾知识优化、精品数据挖掘过滤、自然数据 scaling、长文本优化、面向 test-time scaling 的数据优化。 2. 预训练策略：新型预训练损失函数探索、遗忘对抗与持续学习、optimizer 优化、lr scheduler 优化、课程学习、scaling law 预测、超参优化。 3. 模型结构：新型模型结构探索、模型可解释性、MoE 优化、参数扩展与裁剪蒸馏、线性注意力、动态稀疏注意力、draft model 优化、动态计算优化、KV cache压缩、长序列优化、decoding 加速等。