共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
岗位定位： 将大模型能力转化为可上线、可运营、成本可控的产品化能力。你将主导从问题定义到生产交付的全链路工作——做技术选型、搭应用架构、建数据闭环、构建评测体系，最终交付可持续迭代的 AI 产品。 核心职责： - 与业务、产品共创需求，将业务诉求拆解为可落地的技术方案，明确目标、边界与验收标准。 - 对所负责模块的线上质量、稳定性与成本负责，建立监控、告警与兜底机制，驱动持续迭代。 - 在 Prompt Engineering / RAG / Agent / 微调等方案间做技术选型，设计端到端应用架构（含上下文管理、工具调用、记忆机制、安全策略），完成生产级交付。 - 搭建 Agent 系统的工程化落地，包括多 Agent 协作与编排、Tool-Use（MCP 等协议）集成、Memory 管理，推动从原型到线上的完整闭环。 - 构建数据飞轮：设计采集、清洗、标注的工程化流水线，打通"上线 → 反馈 → 数据 → 迭代"循环。 - 面向业务目标设计评测指标，搭建自动化评测框架（LLM-as-Judge / Auto-rater），执行线上 A/B 实验，监控效果漂移并及时干预。
1. 以技术影响力促进阿里云MaaS、PaaS、IaaS、Agent产品在在线教育行业的行业地位和市场份额 2. 对接行业客户，理解他们的业务场景，设计基于阿里云MaaS和智能体的落地方案 3. 动手搭Demo、做POC，带着客户从方案到上线跑通，解决落地中关键卡点。 4. 深入Agent/Harness等大模型前沿技术方向，持续学习、自我迭代，学习行业经验并沉淀成可复制的解决方案 5. 从技术侧帮客户理解"为什么选阿里云、业务价值是什么" 6. 参与行业活动，建立行业的技术影响力
1、理解 LLM 能力边界与 Harness Engineering，支撑 Agent 在数据开发和分析的全链路场景应用； 2、规划面向大模型的语义层、指标体系与元数据治理，让数据对 AI 可读、可调用； 3、把实验分析与归因能力产品化，接入数据 Agent，由 Agent 自动输出结论与建议； 4、以评测驱动 Agent 迭代，设计并落地质量保障流程，持续提升 Agent 的准确性与交付质量。
深入参与 Alibaba Token Hub 事业群 MaaS 业务（Model as a Service）的核心算法研发，以前沿的技术驱动顶层业务创新，定义下一代 AI-Native 交互范式。面向真实应用场景，依托阿里强大的基座模型，打造行业SOTA的智能座舱解决方案。具体工作内容包括但不限于： 1、智能座舱 Agent 决策与任务编排：构建座舱场景下的 Agent 决策能力，包括工具/功能调用（导航、媒体、空调、车窗等）、多步任务规划与分解、基于行车上下文的服务主动触发、多 Agent 协同与仲裁等，实现"懂你、主动、能办事"的座舱智能交互范式。 2、智能座舱 Omni 大模型研发与落地：面向智能座舱场景构建端到端多模态多语言大模型能力，攻克流式语音交互、模态对齐、长时程上下文管理等核心问题，在 Omni 架构下保持并提升模型的对话智商与情商，支撑"边听边说边办事"的座舱交互体验。 3、Agentic Search 与座舱知识推理能力建设：利用 Query Planning、大模型 Reasoning 和 Deep Search等技术，提升模型对车辆手册、本地生活、百科新闻等信息的检索、理解、推理与总结能力；重点攻克复杂知识问答、跨源信息整合、长链路任务查询及不确定信息处理场景，保障回复的准确性、可溯源性与可控性。 4、训练、推理框架与端云部署优化：掌握 vLLM / SGLang 等推理引擎的使用与优化，基于 Megatron / DeepSpeed 等框架，结合座舱 Omni 模型与端云协同部署特点进行定制化改造，探索端侧小模型与云端大模型协同推理，满足座舱对时延、成本与隐私的严苛要求。 5、训练数据、评测体系与模型持续迭代：参与座舱 Agent 训练数据、轨迹数据、工具调用数据、偏好数据及安全数据的构建，开展 SFT、RLHF、RLVR、Agentic RL 等模型迭代；建设覆盖意图理解、规划质量、工具调用成功率、任务完成率、回复准确性、时延、幻觉率与安全性的评测体系，基于线上反馈形成数据飞轮，持续推动 Agent 能力进化。
1. 负责端（方舱/设备）侧智能化产品技术研发，内容包括但不限于通讯协议选型与适配、软硬件架构设计、推理引擎选型与测试等。 2. 负责端（方舱/设备）侧智能化设备中心化交付和运营体系/工具研发，实现远程自动化部署、调测、监管、OTA升级等。 3. 负责制定IDC智能化产品&流程相关的技术规范并推广，对研发产品的质量负责。 4. 参与边（园区/楼栋）和云侧基础监控能力升级和智能化应用的研发和推广。 5. 参与AI与IDC智能化的全面、深度融合，包括制定适配云/边/端的模型应用规划，模型的选型、验证、灰度、部署、执行等的全链路闭环与协同。
1、结合用户审美和平台需求，对剧本、素材、成片进行内容预检，发现问题，且能提供内容调优的解决思路； 2、与平台各剧集工作室对接，管理好平台项目的整体供给链路，能够在各核心节点梳理清晰业务痛点，掌握相应业务信息。 3、有一定的数据分析能力，定期整理掌握市场动态，对全市场各主要平台的剧集业务做系统性分析和输出。
面向高性能SRAM, 基础IP或标准单元（如触发器、脉冲锁存器、逻辑触发器、特殊复杂单元等）的设计、验证及库生成。与晶圆厂开展DTCO（设计/工艺协同优化） 针对性能、功耗和面积（PPA）以及良率优化SRAM/定制电路。 开发定制版图并执行物理验证（例如，DRC、LVS）。 开展大量电路仿真，以验证SRAM的功能与性能、电气完整性及鲁棒性。 开发并改进SRAM/定制电路设计方法，包括用于设计、仿真和验证的自动化脚本。 与高性能CPU/SOC物理设计团队合作，提升产品PPA竞争力。 与产品工程师和测试工程师协作，制定测试方案并支持芯片流片。
• 头部IP资源拓展与生态搭建 ∘ 负责明星艺人、头部二次元（动漫/游戏/虚拟偶像等）IP的深度授权洽谈，建立并长期维护与经纪公司、版权方、头部MCN、知名配音团队/工作室的核心资源池。 ∘ 结合高德场景（语音包、车标、实体周边等），设计IP合作模式与商业化机制，推动合作落地。 • 利用AI驱动IP资产升级 ∘ 洞察多模态交互与AIGC趋势，推动合作方从“传统内容授权”向“AI数字资产+智能交互产品”转型，策划并落地高附加值的IP衍生形态。 ∘ 联动内部产品/技术团队，将IP资源转化为可量化商业价值，通过AI预测模型与数据分析精准评估IP ROI，优化引进策略与投放节奏。 • 行业标杆打造与生态合作 ∘ 持续追踪泛娱乐与AI内容生态动向，挖掘跨界联名、品牌共创、虚实结合等创新合作模式，打造高德IP商业化标杆案例。
1. 设计、开发和优化大规模高可用的智能搜索系统，持续提升检索效率与用户体验； 2. 深度参与AI模型（如召回、排序、理解、重排等）在在线搜索服务的集成、部署与性能调优； 3. 搭建和完善数据处理与特征工程链路，支持大规模数据的高效流转与特征管理； 4. 参与搜索系统的架构设计与工程实现，包括分布式服务、索引构建、检索优化、缓存加速与横向扩展等； 5. 联合算法、产品、前后端等多团队协作，推动AI搜索相关功能的快速落地； 6. 建立完备的监控、日志、报警与追踪体系，保障服务的稳定性、可观测性与高可用性； 7. 积极跟进行业搜索与信息检索前沿技术，持续推动创新和最佳实践在系统中的落地。
1、负责企业客户的售前工作，支持销售拿到业务结果，提升销售额 2、作为技术专家，提供客户云架构解决方案，并在落地过程中提供对内外部团队提供必要的技术指导，确保方案可落地、有竞争力 3、负责所支持区域细分领域（出海、大数据、人工智能等）的市场洞察、解决方案的制定及落地，能够把握市场和技术发展趋势，推动产品、解决方案的落地 4、建立行业影响力，参加内外部行业沙龙，做技术分享，传播云原生最佳实践 5、参与客户的方案比选，做POC演示和功能/性能测试，在保证性能和安全性的前提下做到成本最优，性价比最高 6、为客户提供整体技术架构服务，构建监控体系、DevOps、大数据、AI等能力，从成本、效率、稳定性三个维度提升客户的云化架构能力
我们关注模型训练系统，为深度学习模型训练和超大规模训练提供算力基座，包括但不限于以下职责： 1、基于阿里云原生底座，设计实现数万卡规模的多租户、多种异构硬件、高性能计算集群的调度系统； 2、研发轻量级的训练重启、故障备份迁移、代码-依赖分发系统，面向有效训练时间极致优化； 3、针对基座模型训练，打造全面的可观测、可视化系统，洞察全生命周期软硬件故障动态； 4、结合大规模分布式训练框架、前沿的异构硬件，分析并解决预训练、后训练过程中软硬件缺陷； 5、构建大模型的模型训练、模型评测、模型管理、模型交付在内的MLOps平台； 6、平台化的支撑多模态生成模型的训练、迭代，以及在AIGC场景的生产化落地应用。
1. 对大区高频渠道业务结果负责，制定大区年度及阶段性经营计划，拆解到省区、城市、类目、服务商和团队，并推动目标达成。 2. 基于不同城市和类目的商业化阶段制定打法，不简单追求商户数量，而是同时关注新签质量、广告激活、持续投放、续签、退款和投诉。 3. 搭建并经营区域服务商体系，完成服务商引入、分层、诊断、辅导与汰换，提升核心服务商的组织能力、销售效率和交付质量。 4. 围绕生活服务、休闲娱乐等重点行业识别增长机会，结合类目空间、城市供给和平台政策，形成清晰的区域作战地图。 5. 管理区域团队，做好目标分解、过程复盘、人才培养和绩效管理，打造一支能打硬仗、能持续复制结果的队伍。 6. 协同产品、运营、行业、风控及平台规则团队，推动影响区域业务发展的产品、政策和交付问题得到解决。 7. 对区域经营风险负责，确保业务增长建立在真实客户价值、合规经营和可持续续费基础上。
1、负责阿里云全球IDC机房资产运营管理，制定并持续优化IDC资产运维标准、流程，开资产管理质量分析，提升运维专业化水平。 2、资产日常运维管理： • 资产账管理：负责建立、维护和更新数据中心的资产账，包括但不限于存货类、基础设施类、工具仪器类和耗材类资产；按照财务制度定期核对资产账与财务账，确保双账数据的准确性和一致性。提供准确的资产报告，为管理层决策提供依据。 • 财务账管理：负责与财务部门沟通，确保所有资产的价值和状态在财务系统中得到完整及时的反映。 • 实物账管理：对数据中心的实物资产进行定期盘点，确认实物资产数量与资产账的匹配情况；制定和实施实物资产管理流程，确保资产的安全、完好和有效利用。 3、负责阿里云全球IDC资产运营专业线能力建立，协助一线运维团队建立资产运维管理专业梯队。 4、主导阿里云全球IDC资产运维质量飞检，定期开展IDC资产盘点，达成公司资产存在率、准确率等指标要求。
负责广告投放系统的核心算法研发与优化，涵盖召回、粗排、精排及投放策略全链路。 具体包括：基于大规模用户行为数据构建高效的广告召回策略，设计和优化排序模型以提升广告变现效率与用户体验；探索前沿机器学习方法（如深度学习、强化学习、生成式检索等）在广告系统中的落地应用；与工程团队紧密协作，推动算法方案在大规模分布式系统中的工程化落地与性能优化。
1. 负责广告平台投放 Agent业务的研究、设计与落地，构建具备规划、执行、反馈、迭代能力的智能投放 Agent，推动广告投放从人工操作走向全链路自动化与智能化。 2. 负责以 Skills 为核心的 Agent 自主进化体系建设，构建 Agent记忆、经验、任务复盘系统与知识固化机制，使业务 Agent 能够从历史任务、人工反馈、线上结果和异常案例中持续学习与改进。 3. 构建面向业务 Agent 的 Harness 基础设施，包括上下文工程、任务规划与执行、多 Agent 协作机制、评测与观测体系、HITL人机协同、安全约束与异常兜底机制等。 4. 负责 Agent进化相关的大模型后训练与强化学习前沿研究，持续提升模型在业务场景下的决策、规划与执行能力。 5. 与产品、工程、运营等团队深度协同，将模糊业务问题抽象为可评估、可迭代、可规模化的 Agent技术方案。
负责夸克、UC、书旗媒体的广告商业化变现工作，深入理解媒体业务逻辑，通过场景创新、流量精细化运营及广告形态优化，提升媒体流量的变现效率与整体收入，实现商业价值与用户体验的双赢。 1、战略执行：承接部门中长期商业化战略，负责目标的路径拆解与执行落地；通过精细化规划与过程管理，确保商业化收入高质量交付； 2、场景变现创新：深入分析夸克、UC、书旗 媒体产品的用户场景（如小说、信息流、工具使用等），挖掘高价值变现机会点，并拿到增收结果； 3、用商平衡：主导广告在媒体端的落地体验优化，通过 A/B 测试持续监控广告对留存、时长等核心用户体验指标的影响，探索广告原生变现路径； 4、链路优化：深化广告链路的效率优化，构建可持续发展的商业化产品能力体系，包括预算优化、流量管理、竞价环境保障等； 5、数据驱动迭代：构建媒体变现数据监控体系，深入分析 ad_load、eCPM、CTR等核心指标波动原因，快速定位业务瓶颈并推动产品/策略迭代。
团队围绕百炼图像、视频、实时生成及世界模型等场景（Qwen Image, Wan, Happy Horse, Happy Oyster等），建设业界前沿的稳定、高效、易用、成本可控的生产级模型服务，持续提升用户体验、服务稳定性、GPU 利用率和模型研发效率。 具体职责包括： 1. AIGC 模型服务化：面向图像生成、视频生成、实时生成及世界模型场景，负责高可用服务架构与端到端方案设计，适配一方及第三方模型；支持同步、异步、流式及长任务等各种服务形态； 2. 调度与资源效率: 面向不同workload请求，建设任务队列、批处理、流量路由、QoS 和弹性伸缩能力, 优化容量匹配与资源分配，提升 GPU 利用率并降低单位生成成本。 3. 研发与交付效率：打通模型从算法代码到生产服务的交付链路，完善 CI/CD、问题回放和自动化准出能力，提升模型 Day-0 上线及持续迭代效率。 4. 用户体验与稳定性：面向多模型、大流量、长耗时和复杂 Pipeline 场景，保障线上服务slo；持续优化端到端耗时、用户调用体验，完善服务观测、故障恢复、灰度及回滚体系。
AI 客户开拓与商机挖掘： ● 新客户开拓及覆盖：负责AI原生及新兴增长赛道的市场机会识别及快速、敏锐判断，通过各种渠道开拓新客户，或挖掘现有客户的maas产品和技术需求，形成有效商机。 ● 客户业务理解及需求挖掘：深度理解客户所在行业，了解客户商业模式和业务流程，能够进行业务分析，解构客户生产链路及对应的痛点，挖掘有效AI切入场景,找到双方合作机会点。 ● 驱动Token价值挖掘与跃迁： 推动标准化AI产品、平台及Agent类应用的推广，通过深入挖掘客户使用场景，驱动模型调用量（Token）实现跨越式增长，为客户提供价值。 ● 建立组织客情：能与客户业务负责人对话，维护好关键决策点的客情关系，协调我司管理层和客户建立连接，作为“铁三角”的导演，进行良好的内部项目协调。与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持。 AI 价值传递与场景共创 ● 理解阿里云MaaS产品及市场产品的差异化：深入理解阿里云MAAS产品的技术价值及适用场景，了解国内外市场先进模型特点及阿里云的差异化竞争优势，能够根据客户需求初步制定模型、应用及方案的匹配。 ● 独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值。 AI 客户商务转化策略与业务收入 ● 促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢。对AI MaaS业务的Token用量和收入增长负责 ● 客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地。 持续做好客户服务与市场洞察 ● 客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度。 ● 竞对与趋势研究，推动产品反向优化：主动研究市场动态及竞对产品优劣，理解与阿里云的产品差异化优势，结合用户体验，持续输出产品优化建议，推动内部产品解决方案和流程体系的改进。
1、定义网络安全基座模型的知识体系和评测体系 2、建立网络安全基座模型的知识迭代飞轮，从多种知识来源收集沉淀网络安全领域知识，与算法同学合作为网络安全基座模型提供高质量领域知识与数据 3、针对网络安全基座模型在评测中的问题进行归因分析，识别网络安全基座模型的短板
本岗位支持魔搭站点（modelscope.cn）以及整体技术生态对应的后端服务的研发工作。同时负责在快速迭代的AI领域，架接模型贡献者和模型使用者之间的桥梁。支持新模型，新应用的迅速接入，确保前沿模型以及衍生的AI生态能在魔搭上迅速落地。具体工作包括（但不限于）： 1. 魔搭模型，数据集，创空间等功能研发以及后台服务的管理，以及上层Agentic应用的服务化和产品化建设。 2. 通过与底层云基座打通，打造魔搭服务平台自动弹性和水平扩展能力，为千万级别的开发者用户提供稳定的服务，实现高效的计算资源使用。 3. 围绕魔搭的模型生态，开发LLM、Diffusion等各领域大模型实现应用落地所需的相关工具链。并支持模型从ckpt落地为实际应用和服务化所需的自动化部署，评测等一系列工程链路。 4. 撰写技术设计文档以及用户文档，包括操作手册和最佳实践指南等。
伙伴拓展 • 结合业务策略，拓展、培育生态伙伴资源及网络，形成以AI和公共云为核心的生态体系，提升阿里云整体产品(MaaS\Agent\公共云等）销售、技术方案和交付实力。 战略合作协议签订及策略落地 • 基于年度业务目标及伙伴合作政策，挖掘、调动伙伴资源，设计并与伙伴协商签订合作协议。 • 制定GTM plan，通过销售激励，联合市场拓展，推动合作协议落地执行，实现业务策略有效落地。 合作关系管理 • 与公司内部相关方、生态伙伴的关键人员建立长期深度的沟通合作机制，促进阿里云和生态伙伴的长期、全面合作关系，包括但不限于长期业务合作规划、项目团队建设、联合商机拓展、服务&交付合作、联合解决方案方案推广等。 协助生态伙伴发展（行业生态） • 指导合作伙伴基于阿里云开展业务，能够站在合作伙伴的业务角度，从市场拓展、产品规划等方面指导合作伙伴的阿里云业务从无到有、从有到多的发展。 推动合作创新 • 与具有重要影响力的合作伙伴一起推动创新，洞察客户需求和市场机会，推动新产品、新技术、新领域的联合解决方案从想法落地到上市。
岗位描述：面向大模型"加速乃至自动化 AI 研发本身"的能力（自主写代码、跑实验、复现/改进算法、端到端做研究，进而推动模型自我迭代），独立负责其能力提升的完整闭环。 岗位职责： 1. 设计衡量 AI R&D 自动化 / 自我改进能力的评测任务与指标，对标并扩展业界 benchmark（RE-Bench、MLE-bench、PaperBench、SWE-bench 等）；核心指标包括相对人类专家的 uplift、长程 agentic 任务成功率、随时间 / 算力预算的收益曲线，并区分真实能力提升与刷分（reward hacking）/ 数据污染。 2. 定位模型在真实研究工程场景（跑实验、调优、写高性能算子、复现论文、自动化 ML）中的短板与失败模式。 3. 针对短板设计数据与环境合成方案：构建真实的长程研究工程环境、agentic RL 环境，结合拒绝采样、self-critique、AI feedback（RLAIF）、自动生成训练数据 / 代码等，产出高质量训练数据。
1. 负责Qwen大模型预训练数据的算法设计与体系建设，面向海量文本、代码、多模态等数据，开展数据采集扩充、质量评估、筛选配比和合成优化，建设高质量、可持续迭代的预训练数据管线； 2. 持续建设面向mid-train阶段的模型驱动的合成与质检链路，围绕知识、推理、代码、长文、Agent、多模态等核心能力方向，形成数据生产、质量控制与训练反馈的闭环优化机制，不断提升数据密度、能力针对性与最终训练收益； 3. 持续完善数据实验与验证链路，构建覆盖不同模型参数规模的数据scaling研究策略，系统分析数据策略在不同参数规模下的收益迁移与效果一致性，同时丰富预训练评测体系，跟进大模型前沿技术研究，推动预训练数据闭环迭代，打造业内领先的数据算法能力。
1. 根据阿里云AI战略发展方向，结合人工智能技术演进与行业变革趋势，前瞻性地识别并开拓重点目标客户在大模型、智能计算等领域的业务机会； 2. 能够深入调研客户业务场景，敏锐捕捉行业中的应用痛点与创新潜力，结合阿里云产品及技术优势，促进客户需求与云产品的有效结合，提供立体、专业的咨询及服务，帮助客户成功，并沉淀行业解决方案； 3. 与客户或合作伙伴进行重点项目对接，能向客户高层解析阿里云AI优势，向业务高管呈现具有说服力的AI投资回报率（ROI）分析，加速商机转化； 4. 善于整合技术、生态与商业资源，攻克AI落地中的关键挑战，与客户技术决策层及生态合作伙伴建立深度信任关系，沉淀可复用的行业解决方案与最佳实践，为阿里云AI战略的长期发展储备关键客户与技术资产。
1、深度参与AI推荐工程全链路建设，推动大模型（LLM）与传统推荐架构的深度融合，构建具备推理、规划与执行闭环的智能体（agent），提供实时用户数据处理、用户记忆查询、圈人、主动匹配策略等特定场景的智能化服务能力； 2、负责agent核心架构的设计、开发与持续优化，构建高可用、可扩展的agent运行框架，完成在千问相关业务场景的落地； 3、抽象并持续优化agent关键能力模块，包括意图理解、任务规划、工具调用、记忆管理、多轮对话等核心功能，提升agent的自主决策与执行能力； 4、跟踪agent领域前沿技术与开源框架，推动技术选型与架构升级，沉淀agent开发规范、工具链与优秀实践，提升团队研发效率； 5、协同算法、产品、测试等团队，参与agent全生命周期管理，包括需求评审、方案设计、代码开发、测试验证与上线运维，保障项目高质量交付。
1. 优化Leads全生命周期管理体系：从Leads生成、分级、分发、跟进、流转到转化，设计端到端运营流程，确保各环节高效衔接、闭环可追踪。 2. 推动Leads统一池建设与智能分发机制落地：协同产品、数据、销售及市场团队，建立跨来源Leads的标准化接入、去重、打标与动态分配规则，重点支持MaaS等高价值业务线的精准匹配。 3. 搭建全链路转化漏斗与效能分析体系：建立监控关键指标（如MQL→SQL转化率、首次响应时长、Leads存活周期、渠道ROI等），定期输出洞察并驱动流程优化。 4. 联动市场、销售与解决方案团队：推动Leads质量反馈闭环，反哺市场投放策略与内容优化，提升前端Leads精准度。 5. 探索AI/大模型在Leads运营中的应用：如智能评分、意图识别、自动分配建议等，提升运营自动化与智能化水平。 核心能力： 1. 精通Leads全链路运营方法论，具备搭建或优化Leads管理体系的成功案例； 2. 熟悉主流CRM及营销自动化工具能基于系统设计运营规则； 3. 具备强数据分析能力，熟练Excel、BI工具（如Tableau、Power BI），可以进行漏斗分析与归因建模； 4. 优秀的跨团队协作与项目推动能力，能有效协同市场、销售、产品、数据等多方角色。
1. 负责千问学习核心智能体算法研发与优化，使用大模型实现题目理解与分析、AI学情诊断分析、学习规划等核心agent。 2. 负责智能学习助手算法研发与优化，包括大模型在智能决策、RAG、个性化推荐等领域的应用。
千问多模态推理算法致力于使用AI在Agentic、stem等方向的效果提升。在这里您将与我们一起挑战前沿的产品技术问题，并收获服务千万级用户的成就感和影响力。 1. 负责面向推理的多模态大模型研发，包括图文、视频、音频等多个模态的预训练，探索多模态的数据质量评估和清洗方法； 2. 负责对模型的训练数据、训练策略、模型结构等进行深入分析。 3. 负责强化学习算法研发、提升训练稳定性、采样效率、训练效果。 4. 负责跟踪和研究多模态大模型前沿技术调研、落地、对业务进行优化； 5. 负责对各业务场景下相关技术问题进行分析、算法设计、研发以及推动上线，提升业务效果；
1. 负责千问ai创作线的核心数据体系建设，保障数据准确性与及时性，通过数据洞察及时定位业务问题与机会点，保障业务策略落地； 2. 基于业务痛点开展专项分析，包括但不限于：图像生成创作体验、内容消费及分发、内容供给等； 3. 深度参与业务规划，通过数据挖掘、归因分析、漏斗分析、AB实验评估等，找到问题点，输出可落地的策略建议； 4. 协同产品、运营、算法、研发等团队，主动挖掘业务需求，提供数据支持，推动分析结论落地并追踪效果； 5. 完善数据指标体系、埋点方案，管理数据口径，提升数据应用和决策支持效率
1. 负责研发语音端到端、语音Agent、多模态交互、语音实时同传等任务的基础研究和应用落地； 2. 负责研究语音生成与理解一体化模型架构、强化学习、统一的语音表征等技术方向； 3. 跟踪并研究实现业内顶尖成果，结合业务场景实现算法的工程化部署。
