夸克千问C端事业群-多模态大模型Posttrain工程师-北京
任职要求
1. 计算机相关专业硕士及以上学历；具有较强的逻辑分析能力，对数据敏感； 2. 熟悉 Linux 和 Python，熟悉Pytorch, transformers 等工具使用，了解分布式训练框架如Deepspeed、Megatron-LM等，熟悉大规模分布式训练，具备优秀的工程开发能力； 3. 熟练掌握业界的主流多模态、AIGC技术，如：熟悉BLIP2、LLaVA、MiniGPT、VisualGLM、Qwen-VL等技术方案。 4…
工作职责
千问学习算法团队致力于使用AI技术重塑面向未来的学习体验。在这里您将与我们一起挑战前沿的产品技术问题，并收获服务千万级用户的成就感和影响力。 1. 负责面向场景的多模态大模型研发，包括图文、视频、音频等多个模态的预训练，探索多模态的数据质量评估和清洗方法； 2. 负责对模型的训练数据、训练策略、模型结构等进行深入分析，指导评测方式迭代以及模型训练策略优化； 3. 负责视觉深度推理、数字化理解、实时语音交互对话、视频生成等能力建设； 4. 负责跟踪和研究多模态大模型前沿技术调研、落地、对业务进行优化； 5. 负责对各业务场景下相关技术问题进行分析、算法设计、研发以及推动上线，提升业务效果；
1. 负责多模态内容安全防控体系搭建，建设多全模态内容审核能力、多模态大模型安全调优能力，保证业务安全及大模型应用安全； 2. 多模态大模型算法：参与多模态大模型安全能力建设，负责多模态大模型安全能力、跨模态通用表征、AI Agent、AIGC等算法研发与应用，建立端到端多模态安全风控解决方案，紧跟业界前沿研究方向； 3、岗位特色：应对全风险，全模态问题，快速提升综合算法能力，与大模型时代发展同步，深耕大模型安全领域，持续积累安全领域业务经验； 4、业务支持：保障夸克AI、通义千问ToC、UC浏览器、书旗小说、超级汇川等产品的内容安全及大模型安全； 5、部门特色：作为综合型安全中台，包含法务、GA、公关、数安、内安、商安等职能，协同共建为业务提供全面安全保障。
1.负责全模态交互系统的算法研发，包括但不限于多模态意图理解、上下文感知、复杂任务分解、GUI理解、工具调用等功能的实现； 2.设计先进的全模态融合与推理算法，确保系统在各类真实场景中的鲁棒性与响应效率； 3.跟踪全模态大模型发展趋势，包括SFT、RL、多模态对齐等技术，探索前沿技术在产品中的落地应用。
1. 负责音频多模态生成大模型的研发，包含语音合成、音乐生成、音效生成和歌曲生成等任务的基础研究和应用落地； 2. 研发基于扩散模型（Diffusion Models）或自回归模型（AR）的音频生成算法； 3. 研究音频表征、强化学习或语音端到端等技术方向。
1. 负责音频多模态理解大模型的研发，包含语音识别、语音翻译、副语言理解、音频事件检测或音频captioning等任务的基础研究和应用落地； 2. 研究音频编码器、跨模态对齐、强化学习、多任务学习或语音端到端等技术方向； 3. 跟踪并落地领域内前沿论文，保持技术方案的领先性。