智能互联通义实验室-算法专家-多模态智能体
任职要求
1. 计算机科学、人工智能、机器学习或相关领域的硕士或博士学位。 2. 在多模态、大语言模型、Agent、机器学习等一个或多个领域有较深入的研究。 3. 具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者。 4. 能够积极创新， 乐于面对挑战， 负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进…
工作职责
1. 探索研究多模态大模型、GUI agent、Agentic RL、AI memory、多模态RAG等前沿技术。 2. 参与研发多模态、全模态大模型等下一代人工智能核心技术，探索面向真实环境的多模态智能体多轮强化学习。 3. 负责跟踪和研究多模态大模型前沿技术调研，参与多模态大模型to C和to B业务场景落地。
1. 探索研究多模态大模型、GUI agent、Agentic RL、AI memory、多模态RAG等前沿技术。 2. 参与研发多模态、全模态大模型等下一代人工智能核心技术，探索面向真实环境的多模态智能体多轮强化学习。 3. 负责跟踪和研究多模态大模型前沿技术调研，参与多模态大模型to C和to B业务场景落地。
团队介绍： 通义实验室专注于通用人工智能（AGI）、大模型基础研究及行业应用创新。我们以前沿技术探索为驱动，推动大模型赋能千行百业，助力AI创造社会价值，服务云上生态合作伙伴。Mobile-Agent 团队专注于多模态智能体技术研发，覆盖 Android、Ubuntu、Windows 等多端场景，依托集团业务场景与技术生态，推动前沿 AI 技术落地，提升多端智能交互体验。 职位描述： 1. 探索 Android、Ubuntu、Windows 等多端场景下，面向 GUI 交互、代码生成、Tool Use等场景的通用多模态 Agent 构建，助力提升多端智能体的交互能力与适配性； 2. 开展多模态理解、强化学习、Tool Use等前沿技术的研究与实践； 3. 进行多端相关数据建设、评测体系搭建，参与提升数据合成质量、模型规划能力等工作，为多模态智能体技术研发提供支撑； 4. 利用预训练、仿真等技术，协助对多端虚拟/现实场景环境进行建模，研发以多模态智能体为核心的技术原型。
1. 负责语音合成、语音识别、端到端语音交互大模型算法的基础研究和应用落地。 2. 参与语音合成与识别技术在业务场景落地，解决落地过程中的前沿问题，持续优化语音合成与识别核心技术效果。 3. 深入调研和关注音频/NLP/多模态/全模态等方向的前沿技术，持续探索语音技术的新能力和新应用。
1、探索研究多模态理解、视频理解等方向的前沿技术。 2、关注多模态、全模态大模型的后训练相关技术，研判RL在多模态理解上的潜力。