通义LLM-自然语言处理算法工程师

任职要求

1. 来自一流高校的计算机科学、自然语言处理，人工智能、机器学习，模式识别或相关领域应届博士/硕士毕业生。
2. 深入掌握深度学习、强化学习、表示学习等建模方法；在多模态建模和跨模态对齐等方面有深入研究。 
3. 在国际顶级计算机会议/期刊（如NeurIPS、ICLR、ICML, TPAMI、CVPR、InterSpeech、ACL， EMNLP等）以一作身份发表过论文，或在开源社区、竞赛中展示出引领性的研究成果。
4. 良好的工程与实验思维：熟悉PyTorch/TensorFlow等主流框架，具备大规模语言/语音/视觉模型调优经验，能高效实现定制化训练流程；重视代码质量与实验结果，追求“不仅work，而且高效优雅”。 
5. 技术热情与好奇心：有志于将AI从实验室推向真实业务场景，构建“可解释、可控制、可落地”的行业智能系统，善于从复杂的行业需求中提炼出核心AI建模问题，并设计创新性的解决方案。 
6. 善于跨团队协作：能与产品、工程，基础研究团队高效沟通，平衡技术理想与落地实现。

工作职责

近年来，以大模型为核心的生成式人工智能技术在语言理解、内容生成、多模态建模与跨模态交互等领域取得了突破性进展，展现出前所未有的技术潜力与广泛的应用前景。 我们致力于面向通用人工智能（AGI)的前沿探索与产业落地创新。一方面，在迈向AGI的长期路径中，随着大语言模型能力的持续进化，多模态感知、融合与推理等关键问题日益凸显，成为构建通用智能系统的核心挑战；另一方面，围绕典型行业场景如何将现有大模型能力有效转化为可落地、可扩展、可持续的解决方案，也成为当前研究与工程实践的重点方向。 

如果你对生成式AI、智能交互、智能软件工程，智能文档处理，数据挖掘，多语言内容的理解和生成，跨模态检索与理解，多模态智能体GUI Agent以及法律金融等方向的AI应用算法研发有浓厚兴趣，或者对于大模型应用落地有浓厚兴趣，欢迎加入我们，共同定义未来AI的能力边界，牵引千行百业在智能时代的深度变革。

1. 大语言模型算法创新：定义下一代大语言模型技术范式，实现文本、代码，语音、视觉等多模态信息的联合建模，探寻和解决对齐、推理、Agentic等方面的核心挑战，不断追寻通用大模型的效果上限。 
2. 场景驱动的算法创新：结合上述业务场景，设计并优化大模型架构，研发低成本高效应用算法，提升效果、效率与鲁棒性。
3. 端到端技术闭环：从数据构建、模型训练、评测到部署，主导技术方案落地，通过AB实验、调用量、用户反馈验证价值。 
4. 前沿应用技术探索：紧跟并能驱动LLM、Diffusion Models、强化学习等技术相关进展，定义技术新范式，快速实验并迭代创新方案，拉升相关模型在学术领域和应用场景的SOTA。