通义大语言基础模型Agent System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、软件工程，或相关领域应届毕业生，博士/硕士毕业生优先。 2. 有良好的学术调研能力，工程能力，逻辑和数据分析能力，热衷于Agentic AI，有 agent system 相关研发经验；具备扎实的代码功底，精通Python、C/C++等至少一门编程语言；熟悉强化学习算法和智能agent框架，具备跨领域应用的经验。 3. 对基础模型的前沿问题有持续热…
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。 团队致力于优化Qwen基础大模型的Agent能力和构建完善的LLM智能系统，实现LLM对外界的准确感知、利用与反馈。Agent的工作包括从模型侧通过 SFT、RL等提升模型的基础agent能力，让模型和 agent框架有效结合；同时也包括agent system的设计与实现，致力于agentic AI真实落地。 1. 从事Qwen基础大模型的通用agent能力优化，包括但不限于tool use、RAG、planning、memory等能力的算法研发和优化；跟进业界agent benchmark，保持Qwen的agent行业领先水平。 2. 推进agentic AI的发展，包括但不限于多模态 agent、code agent、MCP、deep research 等场景的模型优化与产品落地。 3. 研发agent system，推动AI Agent在架构和性能上的持续优化。 4. 研究、实现和优化最新的强化学习（RL）算法，确保算法的性能和可扩展性。 5. 主导数据收集、环境建模及 agent 的评估与测试工作，确保模型的稳定性和有效性。
我们致力于优化 Qwen 基础大模型的 Agent 能力和构建完善的LLM智能系统，实现LLM对外界的准确感知、利用与反馈。Agent 的工作一方面包括从模型侧通过SFT、RL等提升模型的基础Agent能力，让我们的模型能和Agent框架有效结合；另一方面包括Agent System的设计与实现，致力于Agentic AI真实落地。 职位描述： 1. 从事Qwen基础大模型的通用 Agent 能力优化，包括但不限于Tool use、RAG、Planning、Memory等能力的算法研发和优化；跟进业界Agent Benchmark，保持Qwen的Agent行业领先水平。 2. 推进Agentic AI的发展，包括但不限于多模态 Agent、Code Agent、MCP、Deep Research等场景的模型优化与产品落地。 3. 研发Agent System，推动AI Agent在架构和性能上的持续优化。 4. 研究、实现和优化最新的强化学习（RL）算法，确保算法的性能和可扩展性。 5. 主导数据收集、环境建模及 Agent 的评估与测试工作，确保模型的稳定性和有效性。
我们致力于优化 Qwen 基础大模型的 Agent 能力和构建完善的LLM智能系统，实现LLM对外界的准确感知、利用与反馈。Agent 的工作一方面包括从模型侧通过SFT、RL等提升模型的基础Agent能力，让我们的模型能和Agent框架有效结合；另一方面包括Agent System的设计与实现，致力于Agentic AI真实落地。 职位描述： 1. 从事Qwen基础大模型的通用 Agent 能力优化，包括但不限于Tool use、RAG、Planning、Memory等能力的算法研发和优化；跟进业界Agent Benchmark，保持Qwen的Agent行业领先水平。 2. 推进Agentic AI的发展，包括但不限于多模态 Agent、Code Agent、MCP、Deep Research等场景的模型优化与产品落地。 3. 研发Agent System，推动AI Agent在架构和性能上的持续优化。 4. 研究、实现和优化最新的强化学习（RL）算法，确保算法的性能和可扩展性。 5. 主导数据收集、环境建模及 Agent 的评估与测试工作，确保模型的稳定性和有效性。
1、负责智能体（AI Agent）相关核心算法的研究与实现，构建具备多模态理解、规划、记忆、工具调用和任务执行能力的自主智能体体系； 2、参与大语言模型（LLM）在多轮对话、任务分解、知识检索、动作执行等环节的能力增强与优化； 3、设计并实现智能体的推理框架（Reasoning Framework），包括上下文记忆、长短期记忆融合（STM/LTM）、反思机制（Reflection Loop）、以及基于反馈的自我迭代策略； 4、负责Agent系统的工具生态构建，包括函数调用(Function Calling)、插件集成(Plugin Integration)、知识库检索(RAG)等，提升模型的可操作性与可解释性； 5、跟进业界前沿的大模型与Agent技术（如OpenAI o1、Anthropic Claude、MCP、LangChain、AutoGPT、OpenDevin等），并探索其在社交、内容、推荐、AIGC、商业化等场景的落地路径； 6、分析与解决模型在多轮推理、长上下文记忆、工具调用策略优化等过程中的技术瓶颈； 7、与产品、平台及算法团队紧密协作，将Agent能力嵌入真实业务流程中，并通过数据反馈实现持续演化。
1.负责构建具备自主决策、协作与工具调用能力的多智能体系统（Multi-Agent System），推动大模型从“对话式AI”向“任务执行体”演进，解决复杂场景下的自动化问题。 2.深入研究并应用LLM的复杂推理技术（如思维链CoT、思维树ToT），攻克开放式、复杂问题的深度研究模式，赋予Agent独立探索与解决问题的能力。 3. 运用指令微调、强化学习等方法，提升大模型规划、推理与遵循指令的能力，从而提升模型知识边界探索和抗干扰的能力。