夸克千问C端事业群-视觉交互算法工程师-杭州

岗位目标： 面向人工智能前沿技术领域，聚焦计算机视觉、自然语言处理、大模型等核心技术，研发高性能、低时延的智能系统，支持语音助手、多语言交互、智能内容生成、视觉理解等多种应用场景，推动AI技术的产品化落地与规模化应用。 具体职责包括但不限于： 核心算法研发与优化： 针对具体任务场景（如语音识别、机器翻译、图像理解、文本生成等），开展深度学习模型的算法设计与创新，探索新型神经网络架构（如Transformer、MoE、扩散模型等），提升模型在复杂环境下的准确性、鲁棒性与泛化能力。 负责端到端建模优化，结合上下文理解、对话状态追踪或多模态融合技术，增强系统在连续交互场景中的语义理解与响应能力。 构建高质量训练数据体系，设计自动化语料清洗、标注与增强方案，覆盖多语言、多方言、噪声或小样本等挑战性场景，支撑模型持续迭代。 大模型技术研发与应用： 参与大规模预训练模型（LLM、VL模型等）的研发与微调，包括指令微调、对齐优化、提示工程及推理加速，提升模型在下游任务中的表现。 探索大模型在跨模态理解（图文、音视频）、实时生成、知识推理等场景的应用路径，推动AIGC、智能摘要、自动字幕、翻译等业务的技术升级。 研发高效微调技术（LoRA、Adapter等）与模型服务架构，实现大模型在资源受限环境下的灵活部署。 系统性能优化与工程化落地： 推动模型轻量化与推理加速，应用模型压缩、量化、蒸馏、剪枝等技术，提升模型在移动端、边缘设备或云端的运行效率。 协同工程团队完成算法模块的高性能集成，优化分布式训练与推理框架，保障系统低时延、高并发与稳定性。 支持多平台部署（移动端、PC端、Web端、云服务），参与全链路性能调优与监控体系建设。 前沿技术探索与跨领域协作： 跟踪人工智能领域最新研究进展（CV/NLP/ASR/TTS/MT等），结合业务需求进行技术预研与原型验证。 与产品、数据、工程团队紧密协作，深入理解用户场景，推动AI能力在实际产品中的创新应用。

负责AI眼镜背后的整体云端算法解决方案，包括语音助手、拍照问答、全模态live交互等核心能力。持续推动大模型（LLM/VLM）在逻辑推理、问答、复杂上下文理解、指令遵循、Agent智能体及多模态交互等核心方向取得突破性进展，打造行业领先的智能体验。具体职责包括： 1、LLM/VLM后训练技术研发与落地： 探索并应用SFT、RLHF、DPO、RLVR等训练范式及模型蒸馏等对齐策略，持续提升模型在RAG、行业知识掌握、用户偏好理解、指令遵循能力及抑制幻觉等方面的表现。 2、多模态统一模型构建： 规划并实施文本、语音、视觉等多模态信息的统一建模方案，确保模型在文本问答、图文百科、视频实时对话等复杂场景下具备精准的理解能力和高效的输出能力。 3、眼镜场景算法闭环迭代： 构建基于线上日志的数据飞轮，体系化建设眼镜场景专属训练数据集，并推动模型持续迭代更新。聚焦业务痛点，解决实际问题，构建坚实的技术壁垒。

阿里巴巴智能信息事业群，聚焦AI在信息服务赛道的创新应用，从工具到服务，持续为用户提供高效、智能的AI应用。智能信息事业群核心产品为夸克、通义、UC浏览器、书旗小说、超级汇川等，以多产品矩阵，覆盖横跨各年龄段的7亿+用户人群，服务超10万+客户。 在这里， 你将有机会与交互设计师一起，美化产品线Web功能的设计； 有机会与视觉设计师一起，完成产品线Web功能的开发与实现； 有机会做全栈式开发； 有机会做移动端开发； 有机会做性能、架构等方面的改进与优化； 有机会自己亲手打造一个产品的从设计到发布； 你还将加入到我们业内最前沿Web技术的研究与开发中。

负责千问app相机场景下的整体算法建设，核心是多模态问答能力。基于百亿图文视频数据以及亿级用户需求，持续推进模型效果和场景落地，尤其是多轮交互、多模对话、多模态planning、多模态reasoning等方向实现突破进展。 1、多模态planner的优化&探索，主要负责在复杂多轮/多模场景下的意图理解、路径规划、工具调用等能力建设，以及探索强化学习在复杂路径planning场景下的应用； 2、vlm后训练技术探索&落地，包括不限于SFT/RLVR/RLHF等训练范式、模型蒸馏等对齐策略，提升模型在多轮对话、行业知识、RAG、指令遵循、视觉推理、用户偏好等方面的能力； 3、建设完备的算法迭代体系，包括线上数日志据飞轮的搭建、训练数据流程化建设、模型迭代&合版机制的完善等，持续面向业务解决实际问题，构建技术壁垒；