千问千问事业部-大模型训练专家-强化学习方向
社招全职1年以上地点：北京 | 杭州状态：招聘
任职要求
1、1年及以上大模型训练工程经验，有扎实的深度学习算法基础，精通各类大模型常用训练框架，熟练掌握各种编译、调试、性能分析工具； 2、熟悉强化学习算法PPO、DPO、GRPO、DAPO等以及相应的高效工程实现，有大模型强化学习工程支持经验和效果优化经验； 3、精通ray分布式计算框架开发实现，掌握一种或多种分布式训练框架（verl、slime、areal、openRLHF、roll）详细系统实现，并具备二次开…
登录查看完整任职要求
微信扫码，1秒登录
工作职责
1、负责千卡以上大规模混合模态大模型强化学习训练框架建设，调研和实现业界先进的强化学习方法，并探索算法工程结合的训练方法创新设计，实现模型性能和训练效率的双提升； 2、打通复杂工具调用场景的高性能推理与Agent训练系统，攻克长程数据训练中的训练效率、训推一致性等难点，显著提升千问模型基于多种阿里生态工具（如闪购、飞猪等）的用户真实任务解决率； 3、参与奖励系统、工具系统交互的设计与研发，打造高效率的可持续扩展架构；并通过线上链路的联合设计保障模型训练效果的对齐，保障模型在事实性、复杂任务规划解决等方面的能力提点可以落地千问App。
包括英文材料
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
强化学习+
https://cloud.google.com/discover/what-is-reinforcement-learning?hl=en
Reinforcement learning (RL) is a type of machine learning where an "agent" learns optimal behavior through interaction with its environment.
https://huggingface.co/learn/deep-rl-course/unit0/introduction
This course will teach you about Deep Reinforcement Learning from beginner to expert. It’s completely free and open-source!
https://www.kaggle.com/learn/intro-to-game-ai-and-reinforcement-learning
Build your own video game bots, using classic and cutting-edge algorithms.
Ray+
https://github.com/ray-project/ray
Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.
https://www.youtube.com/watch?v=FhXfEXUUQp0
In this video, I'll teach you everything you need to know about Apache Ray!
https://www.youtube.com/watch?v=fMiAyj2kgac
Using powerful machine learning algorithms is easy using Ray.io and Python.
https://www.youtube.com/watch?v=q_aTbb7XeL4
Parallel and Distributed computing sounds scary until you try this fantastic Python library.
还有更多 •••
相关职位
社招1年以上
1、负责千卡以上规模文本及多模态大模型强化学习训练框架建设；为Quark、通义等过亿用户，提供大模型后训练能力，持续优化模型效果； 2、负责调研和实现业界先进的强化学习方法，并探索算法工程结合的训练方法创新设计，实现模型性能和训练效率的双提升； 3、负责训练效率极致优化，通过前沿技术的调研、引入，以及机制创新，实现业界领先的训练吞吐能力。
更新于 2025-11-30北京|杭州|广州
社招1-3年J0011
1、参与 LLM Agent 的预训练与后训练优化，提升模型在任务理解、指令跟随、多轮对话、工具调用等方面的表现； 2、对模型输出进行评测与误差分析，识别在幻觉、漏召回、格式偏差、工具误用、指令偏移、安全风险等方面的问题，并推动改进； 3、围绕Agent使用场景，设计multi-turn conversation、任务流程和工具使用样本，优化Agent 在复杂任务中的完成率与鲁棒性； 4、设计并构建高质量训练数据、评测集和对话样本，覆盖真实业务中的典型场景、边界场景与异常案例。
更新于 2026-06-18北京|上海|深圳
社招ACG
-研发并优化视觉大模型（ViT、CLIP、DiT 等），推进大规模预训练与跨模态对齐 -优化模型训练与推理性能（分布式并行、量化、蒸馏等） -将前沿模型成果落地教育、零售等行业应用场景 -依托万亿级跨模态数据与超大规模 GPU/TPU 集群，助力行业领先模型训练 -深度参与 VLM/MLLM 架构设计、预训练与优化，推动视觉理解与生成的技术突破
更新于 2025-12-25北京
社招2年以上技术-研究
1、基于海量用户行为数据以及人工标注数据，结合信息检索、自然语言处理、大规模预训练模型等前沿技术，支持 通用RAG检索、垂直场景下的AI搜索 等一系列业务 2、研究方向包括但不限于信息检索、大规模预训练技术、文本生成、模型蒸馏/窃取、强化学习等
更新于 2025-12-09北京