夸克千问C端事业群-千问/夸克-语音AI产品经理-杭州/北京
任职要求
基本要求： 1、本科及以上学历，专业不限（计算机、电子、心理学、认知科学、人机交互优先）； 2、3-7年AI产品经验（有独立项目落地能力） 3、逻辑清晰、表达能力强，具备良好的跨团队沟通能力与推动力，可与产品、研发、算法高效协作，有复杂项目协同和…
工作职责
● 语音核心体验提升 负责语音基础能力在产品内的体验升级（语音输入、播报、搜索、实时通话等），定制优化策略，推动语音功能使用率、留存、转化的数据指标提升，推动产品内用户语音心智建立 ● 语音交互产品功能优化 负责语音交互相关的产品功能设计和落地，深入挖掘用户需求，设计产品方案和优化策略，驱动产品迭代；能独立提出需求并推动产品和研发落地，确保体验和指标提升。 ● 推动语音模型效果提升 负责 ASR、TTS、E2E、多模态模型的用户侧效果验证机制搭建，与算法团队合作，结合产品需求，拆解合理的算法评价指标，搭建评测体系，推动算法快速迭代
作为C端智能客服核心产品线的测试负责人，您将全面负责“C端客服机器人万能服务”从需求到上线的全生命周期质量保障工作。您将带领一支高水平测试团队，构建智能化、体系化、可复用的测试方法论，推动AI能力在真实用户场景中的稳定落地，保障千万级用户服务体验与系统高可用。 【核心职责】 1.主导C端客服机器人-万能服务的测试策略制定与质量目标设定；设计并落地覆盖“意图识别、多轮对话、业务闭环、异常处理、多模态交互”的全链路测试体系； 2.建设AI对话质量评估标准，融合人工评审、自动化评分（BLEU、ROUGE、BERTScore等）与用户行为分析，实现质量可度量； 3.搭建并持续优化自动化测试框架（支持文本/语音/UI/接口/性能），实现高并发、高覆盖率的回归验证； 4.推动测试左移，参与需求评审、原型验证、算法模型评估，前置发现潜在风险； 5.主导重大版本发布前的端到端压测、稳定性测试、灰度发布验证与线上监控告警体系建设； 6.带领10人以上测试团队，负责人才梯队建设、绩效管理与跨团队协同（产品、研发、算法、运营、风控）； 7.输出测试报告、质量洞察与改进建议，支撑管理层决策与产品迭代。
1.主导C端客服机器人-万能服务的测试策略制定与质量目标设定；设计并落地覆盖“意图识别、多轮对话、业务闭环、异常处理、多模态交互”的全链路测试体系； 2.建设AI对话质量评估标准，融合人工评审、自动化评分（BLEU、ROUGE、BERTScore等）与用户行为分析，实现质量可度量； 3.搭建并持续优化自动化测试框架（支持文本/语音/UI/接口/性能），实现高并发、高覆盖率的回归验证； 4.推动测试左移，参与需求评审、原型验证、算法模型评估，前置发现潜在风险； 5.主导重大版本发布前的端到端压测、稳定性测试、灰度发布验证与线上监控告警体系建设； 6.带领10人以上测试团队，负责人才梯队建设、绩效管理与跨团队协同（产品、研发、算法、运营、风控）； 7.输出测试报告、质量洞察与改进建议，支撑管理层决策与产品迭代。
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。 团队致力于追逐实现 Omni 基座模型，实现多模态理解与多模态生成一体化。在此之中，语音理解与语音生成是极其重要的技术，影响着下一代 AI 的交互形式，同时通过生成语音甚至创造音乐等方式改变人类的生活与工作。团队音频组负责围绕 Qwen 基座模型展开音频处理以及与音频交互相关的基础研究及其应用，代表工作有 Qwen2.5-Omni, Qwen2-Audio, Qwen-Audio。音频组招收理解以及生成方向研究员，包括但不限于 ASR, TTS, S2TT，TTS, Zero-Shot TTS, Music/Song Generation， 同时也欢迎擅长音频交互的工程师，负责基座模型的开源与落地应用，支持开发实时交互系统。 工作职责： 1. 单人/多说话人语音识别。 2. 语音合成与高质量音频合成。 3. 音频前端与音色转换。 4. 音色克隆(Zero-Shot TTS)。 5. 音乐生成 / 歌声生成。 6. 理解指令遵循能力提升与推理，包括 SFT, GRPO 等。 7. 流式音频交互模型的推理与加速 (熟悉RTC/WebSocket等)。
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。