夸克智能信息-千问/夸克-Al Agent高级算法专家-通用Agent
任职要求
1.学历背景：计算机科学、人工智能、数学等相关专业硕士及以上学历。 2.工作经验：5年以上Al/大模型算法研发经验，有通用Agent、智能对话系统、搜索推荐等相关方向核心研发经历者优先。 3.技术能力：精通大模型原理与应用（如Transformer架构、预训练与微调技术），熟练掌握Python及TensorFlow/PyTorch等深度学习框架；具备搜索算法、自然语言处理（NLP）、智能决策等领域扎实的技术功底。 …
工作职责
主导通用AIAgent（对标Manus等前沿形态）的核心算法研发与技术落地，带领团队攻克大模型驱动下的信息搜集、智能决策、智能办公等关键技术难题，构建具备搜索增强、自然对话能力的新一代通用智能体，支撑业务在多领域的创新应用。 具体职责： 1.算法研发与创新：牵头通用AIAgent的核心算法设计，包括但不限于大模型微调与强化学习、智能规划与决策、多模态信息融合、搜索增强机制等，持续提升Agent的通用性与任务执行能力。 2.场景落地与优化：聚焦搜索、对话等核心应用场景，主导算法方案的落地实施，结合业务需求迭代优化模型效果，解决实际场景中的技术瓶颈（如上下文理解、意图识别、多轮交互连贯性等）。 3.团队管理与赋能：带领5-10人算法团队开展研发工作，制定技术研发计划，统筹项目进度，搭建高效协作机制；指导团队成员成长，提升团队整体技术水平与创新能力。 4.技术攻坚与前瞻布局：跟踪国内外通用Agent、大模型领域的前沿技术动态（如顶会论文、行业实 践），主导技术预研与攻关，推动技术成果转化，保障团队技术竞争力。 5.跨部门协作与国际化支持：与产品、业务等部门深度协作，明确技术需求与落地路径；若涉及海外业务，需主导适配海外场景的算法优化，提供国际化技术支持。
千问-图像增长策略-产品运营 岗位职责 1、负责图像视频的用户增长，梳理产品的核心卖点，制定各渠道用户增长计划，管理投放预算并评估投放效果，对该产品线的拉新促活负责 2、结合时下热点，挖掘端内爆款AI特效或AI模板，帮助渠道运营团队实现在信息流、达人/素人等多个渠道获客 3、配合产品运营和研发算法团队，针对核心人群特征，优化新用户承接链路，提升用户在APP内的核心行为渗透及留存等关键指标 4、深入研究市面上主流或新兴AI创作类产品的营销增长玩法，策化创意性增长方案并推动落地
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。
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。 通义千问（Qwen）全模态统一理解生成前沿技术研究，团队在多个方向上进行探索（具体如下罗列），若你对以下一个或者多个课题感兴趣均欢迎投递： 1. 模型架构与学习机制探索 （1）预训练与后训练技术：持续提升模型的理解力、推理力与泛化能力。 （2）探索下一代学习范式，如自监督学习、动态训练策略、知识蒸馏等。 2. 多模态与多智能体感知交互系统 （1）打造 Omni 基座模型，实现文本、语音、视觉等多模态一体化理解与生成，推动世界模型的发展。 （2）开发超智能的 Coding Agent，打通语言与代码之间的桥梁，连接 AI 与数字世界。 （3）构建下一代 AI 交互系统，在 GUI Agent、视频理解等前沿场景，探索 AI 自主执行、扩展、进化的可能性。 3. 数据建设与性能优化 （1）数据工程：设计高效的数据处理管线，持续提升自然语言、代码、多模态等数据质量与规模。 （2）推理优化：探索模型高并发服务下，算法及系统框架侧技术创新与优化，包括但不限于训练推理协同优化、模型推理新范式。 4. 评测与安全体系 （1）构建下一代大模型评估系统，覆盖推理、生成、可控性等多个维度。 （2）关注模型内生安全，追求 AI 对人类有益且可控，参与对抗攻击检测、伦理约束建模等工作。
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。 团队致力于实现理解生成一体化的世界模型，达成“交互”和“创造”两大目标。本方向专注于研发视觉生成技术的突破，其中研究内容包括但不限于：理解生成一体化、视觉生成等，充分探索相关数据及训练方法研究，以期解决计算机视觉基本问题的同时，为 AI 赋予创造力，理解世界及预测未来世界。 工作描述： 1. 下一代理解生成一体化的模型结构设计与研发，探索 Autoregressive LLM 、Diffusion、及两者结合的多种技术路线。 2. 研究及探索世界模型的多模态训练数据及对应训练策略。 3. 设计及研发自动化评估方法设计与实现，为模型研发提供科学指导。