通义Token Foundry-图像算法工程师-Qwen Image
任职要求
1. 计算机科学、计算机视觉、人工智能、机器学习、具身智能等领域的博士/硕士毕业生。 2. 对通用视觉理解或生成模型有一定研究实践，在图像 / 视频 / 3D 等至少一种模态上有实际研发经验。 3. 熟练掌握 Pytorch/ Megatron 等大模型框架，有优秀的 coding / 工程能力。 4. 自我驱动力，动手能力强，工作细致，对AI行业有浓厚的兴趣，有较强的学习能力和责任心。 5. 善于平衡研究目标及落地实现，具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作…
工作职责
Qwen-Image（千问图像）团队是阿里巴巴ATH事业群-Token Foundry下的图像生成基座团队，自2025年初成立，前后发布了Qwen-Image, Qwen-Image-Edit, Qwen-Image-2.0等一系列文生图、图像编辑基座大模型。Qwen-Image团队正在打造全球领先的图像生成技术体系，推动AI在企业服务、开发者生态、个人内容创作等领域的深度应用，引领下一代人工智能的发展。团队专注于研发视觉生成技术，其中研究内容包括但不限于：图像生成、图像编辑、理解生成一体化等，充分探索相关数据及训练方法研究，以期解决计算机视觉基本问题的同时，为 AI 赋予创造力。 专注于视觉通用大模型的设计、优化与高效部署，具体职责有以下方向： 1、研究高效的视觉通用大模型架构，应对复杂视觉任务，提升模型的准确性和泛化能力； 2、优化算子和通信机制，提升模型训练效率，降低硬件资源消耗，提高训练速度和资源利用率； 3、探索高效的训练策略，包括自适应学习率调整、正则化方法和优化算法选择，提升模型性能和稳定性； 4、设计和实现自动化评估方法，帮助研发团队及时发现模型不足，优化模型架构和训练策略； 5、研发数据过滤和标注相关模型，提高数据质量和可用性，为模型训练提供支持。
Qwen-Image（千问图像）团队是阿里巴巴ATH事业群-Token Foundry下的图像生成基座团队，自2025年初成立，前后发布了Qwen-Image, Qwen-Image-Edit, Qwen-Image-2.0等一系列文生图、图像编辑基座大模型。Qwen-Image团队正在打造全球领先的图像生成技术体系，推动AI在企业服务、开发者生态、个人内容创作等领域的深度应用，引领下一代人工智能的发展。团队专注于研发视觉生成技术，其中研究内容包括但不限于：图像生成、图像编辑、理解生成一体化等，充分探索相关数据及训练方法研究，以期解决计算机视觉基本问题的同时，为 AI 赋予创造力。 工作描述： 专注于视觉通用大模型的设计、优化与高效部署，具体职责有以下方向： 1、研究高效的视觉通用大模型架构，应对复杂视觉任务，提升模型的准确性和泛化能力； 2、优化算子和通信机制，提升模型训练效率，降低硬件资源消耗，提高训练速度和资源利用率； 3、探索高效的训练策略，包括自适应学习率调整、正则化方法和优化算法选择，提升模型性能和稳定性； 4、设计和实现自动化评估方法，帮助研发团队及时发现模型不足，优化模型架构和训练策略； 5、研发数据过滤和标注相关模型，提高数据质量和可用性，为模型训练提供支持。
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。