通义基础模型评估系统算法工程师
任职要求
1. 来自全球Top高校计算机科学、人工智能、机器学习、深度学习，或相关领域应届毕业生，博士/硕士毕业生优先。 2. 了解 LLM Evaluation（评测方案与评测数据构建）或具有 post-training（SFT、RL等）训练和数据合成经验。 3. 具有较强的代码工程能力，精通 Python 以及 Pytorch 等深度学习框架；熟悉 Transformer 架构以及大语言模型基础知识。 4. 在国际顶级计算…
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。 团队致力于研发下一代大模型评估系统，从而实现让大模型更好地执行真实世界任务进而服务人类的目标。 工作职责： 1. 挖掘大模型弱点，持续快速构建覆盖各项模型能力的评测数据集，探索可靠、具有可扩展性的评测方案。 2. 参与LLM-as-a-Judge 方案构建，训练LLM Judge/Reward Model，建模人类偏好并提升长尾任务的评价准确性。 3. 参与Reward System 构建，设计Reward Signal、合成对应数据，并通过 RL 提升模型的能力上限。 4. 参与开发Evaluation、Reward System 所需工程框架，简化各类测试任务和模型集成流程，帮助提高团队效率。
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。 模型评估的方法决定了我们训练什么样的大模型，构建AGI模型的第一步应当是思考我们如何评测模型。随着技术的快速发展，传统的评测逐渐不适应当前的模型能力，我们需要研发下一代大模型评估系统，从而实现让大模型更好地执行真实世界任务进而服务人类的目标。 工作职责： 1. 挖掘大模型弱点，持续快速构建覆盖各项模型能力的评测数据集，探索可靠、具有可扩展性的评测方案。 2. 参与 LLM-as-a-Judge 方案构建，训练 LLM Judge / Reward Model，建模人类偏好并提升长尾任务的评价准确性。 3. 参与 Reward System 构建，设计 Reward Signal、合成对应数据，并通过 RL提升模型的能力上限。 4. 参与开发 Evaluation、Reward System 所需工程框架，简化各类测试任务和模型集成流程，帮助提高团队效率。
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。 模型评估的方法决定了我们训练什么样的大模型，构建AGI模型的第一步应当是思考我们如何评测模型。随着技术的快速发展，传统的评测逐渐不适应当前的模型能力，我们需要研发下一代大模型评估系统，从而实现让大模型更好地执行真实世界任务进而服务人类的目标。 工作职责： 1. 挖掘大模型弱点，持续快速构建覆盖各项模型能力的评测数据集，探索可靠、具有可扩展性的评测方案。 2. 参与 LLM-as-a-Judge 方案构建，训练 LLM Judge / Reward Model，建模人类偏好并提升长尾任务的评价准确性。 3. 参与 Reward System 构建，设计 Reward Signal、合成对应数据，并通过 RL提升模型的能力上限。 4. 参与开发 Evaluation、Reward System 所需工程框架，简化各类测试任务和模型集成流程，帮助提高团队效率。
1.负责动画/物理/图形学/计算机视觉等核心技术在游戏相关领域的研发与产品化等工作，包括但不限于如下方向：动画物理系统构建、动画虚拟形象创建，3D人体动作合成/迁移，角色动作动画生成与渲染，纹理合成与可微渲染，常见游戏资源（模型/材质/贴图/动画/场景布局）的程序化生成等等； 2.负责游戏引擎内相关功能实现，包括算法、工具链、业务实现、引擎扩展等等； 3.负责产品需求的技术可行性评估, 程序框架及技术方案的设计和具体实现； 4.负责跟踪业界前沿技术进展，并且能够快速将其应用到业务中。
部门介绍： 小红书的AI技术中台目前由AI技术部负责建设，通过标准化的AI技术能力提供支持公司各个业务团队（包括社区，交易，商业化，广告，agi），实现AI能力的共享和复用，提升技术资源的利用率和公司的创新迭代速度，并降低技术成本和稳定性风险。 工作职责： 作为小红书AI技术部 智能调度开发工程师： 1、负责机器学习系统资源智能调度的设计和开发，服务于各方向（搜广推核心场景、LLM场景等）的模型训练、模型评估和模型推理； 2、通过调度技术、引擎技术提升在离线资源分配和利用效率，并提升训练、推理性能，支持公司业务的快速发展。 3、通过对机器学习平台的架构升级和产品迭代，大幅提升算法同学的模型迭代效率。 4、打造具有业界一流水平的机器学习技术，通过开源共建等各类形式，提升团队与个人在业界的影响力。