夸克千问-日常算法实习-垂类AI搜及 Agent 应用
任职要求
1. 计算机/人工智能相关专业硕士及以上学历。 2. 扎实的编程基础，熟悉 Python，掌握 C/C++ 等至少一门系统级语言，具备良好的代码规范与编程习惯。 3. 掌握 PyTorch/TensorFlow 至少一个深度学习框架。 4. 对大语言模型（LLM）有深入理解和实践，熟悉 Prompt Engineering、微调（SFT/RLHF）、RAG、Agent 等主流技术路线；有大模型搜索或 Agent 技术相关项目经验优先。 …
工作职责
在大模型技术浪潮中，我们需要你将前沿技术与工程实践深度结合，聚焦大模型搜索与 Agent 技术，推动相关前沿技术在 AI 原生应用中进行落地与效果突破，带来更惊艳的用户体验与价值 • 参与大模型搜索与 Agent 核心项目：基于大模型的语义表征与推理、搜索场景下的 LLM 能力优化、以及 Agent 技术在搜索链路中的应用等方向的算法研发与系统建设。 • 开展 Agent 技术创新与工程实现：设计实验方案、分析对比及消融结果，推动大模型 Agent 框架在通用任务以及高价值垂类任务等方向的落地，创造业务价值。 • 善用 AI Coding 工具（如 Claude Code、Qoder 等）提升研发效率，快速完成原型搭建、数据处理、模型训练与实验迭代。 • 跟踪大模型与 Agent 领域前沿进展：定期输出顶会论文解读，将前沿思路转化为可落地的技术方案。
千问通用AI Agent团队致力于建设高度自主的AI Agent体系，我们诚邀具备扎实算法功底与研究潜力的优秀在校生加入，围绕前沿 Agent 技术的进行探索与应用落地，共同推动智能体技术的发展，你将深入参与: 1. Agent 学习与优化：研究并实现前沿 Agent 训练算法，包括但不限于模仿学习、强化学习等，提升 Agent 的自主决策能力; 2. Agent 架构与能力建设：涵盖 Planning、知识检索、工具调用、长短时记忆等核心模块的设计与优化，构建高智能可扩展的 Agent 框架； 3. 多模态交互与理解：基于 LLM 与多模态技术，构建面向复杂场景的智能体交互系统，实现自然的人机协作； 4. 场景化应用与创新：深度结合业务需求，设计适配不同领域的专业 Agent，打造具备长期价值和强劲竞争力的智能助手产品； 5. 追踪相关前沿技术，协助完成相关方向的效果评估、Benchmark测试，推动相关领域性能的不断提升；
千问学习团队致力于通过大模型技术构建智能学习产品，在大模型Posttrain技术、推理智能、agentic、coding等方向处于业界前沿 1. 负责大模型Posttrain阶段强化学习算法关键问题的探索研究，持续追踪和应用领域最新技术进展； 2. 负责大模型落地训练范式和关键技术的探索研究，包括DeepReaserch，Agentic Reasoning，奖励模型建模等； 3. 负责多模态大模型预训练、跨模态对齐、推理等领域的关键问题的探索和研究，包括视觉编码器、视觉推理等、多模态语料构建方法等； 4. 基于研究成果撰写高质量学术论文，积极参与业界交流活动，建立和维护学术界与产业界的合作关系。
你将加入阿里千问C端事业群的核心算法团队，负责千问、夸克AI问答等大模型产品背后至关重要的“大脑”——RAG（检索增强生成）系统。我们的使命是为大模型打造一个专属的、下一代搜索引擎，确保AI在回答用户问题时，能做到毫秒级响应、内容全面、信息时效性强且高度专业。你将深入参与： 1. 更具智能化和主动性的搜索引擎的构建，从被动响应query转向理解用户深层需求，更聪明的返回所需的材料 2. 用大模型重构搜索各个中间环节，如query理解、语义召回、listwise排序等，更好支撑chat agent等应用； 3. 基于agent的思想，构建全部自动化的数据生产、效果评估流程体系 4. 追踪相关前沿技术，协助完成相关方向的调研、落地应用，推动相关领域性能的不断提升；
我们是谁： -事业群简介：我们是阿里智能信息事业群，专注于千问APP、夸克APP、AI眼镜等AI to C的业务，为2亿用户群体提供AI服务，你或你身边的小伙伴中可能就是我们的用户。我们是一支致力于在AI赛道长期发展、创新务实的团队，欢迎每一位有想法、对AI有热情的小伙伴和我们一起参与这个令人激动的过程。 -团队简介：我们是“千问相机”背后的多模搜索&问答算法团队，负责构建面向千问APP、夸克APP、AI眼镜等产品的统一多模态搜索技术体系，我们基于百亿级图文/视频库及海量用户真实场景需求，攻克多模态对齐与检索难题，探索大模型与搜索的深度融合，支撑全网搜索、智能拍搜、多模态RAG等关键场景。团队技术氛围浓厚，工作氛围开放包容，加入我们，与顶尖工程师共同成长！ 你会参与到： 1、多模态PlannCoT，理解用户图文query并规划合理的工具调用路径，为生成提供多模态内容供给 2、通过VLM post-training技术提升模型在行业知识、多轮对话、RA引用、偏好对齐等专项能力 3、构建多模态数据生产体系，提升模型在数字化内容理解、图文对齐、图表理解等内化能力 4、探索强化学习在复杂交互场景中的应用，尤其是多模态planning、视觉reasoning