共 2450 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
1、从电商全链路业务视角出发，抽象研发效率与工程可信度的共性问题，设计可复用、可扩展的工程基础设施与自动化能力体系，沉淀为组织级的技术资产。 2、深入 LLM / Agent / Prompt 工程 / 上下文工程 / MCP 等应用层技术，主导其在研发场景的工程化架构落地，设计 AI 辅助下的研发链路与可信交付机制（含验收与质量保障作为架构约束内建）。 3、跟踪 AI 工程化前沿动态，牵引关键技术选型与架构演进，推动新范式、工具在团队与业务侧的规模化落地。
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。
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。
1. 负责语音助手场景的记忆相关能力建设，包括对话数据、行为数据、应用数据的记忆生成和召回链路； 2. 负责大模型在记忆机制（如外部记忆库、长期上下文管理）和数据处理（如机器数据预标注、质检）方面的算法研究与开发； 3. 记忆相关agent算法研发，保证记忆能力在对话中控、领域agent、个性化交互等场景的高质量交付。
1. 负责客户端（Web、移动端、桌面端等）安全风险评估、风险分析及风险治理体系建设，持续提升整体安全水位。 2. 建设 AI Native SDL 在客户端研发流程中的落地能力，将安全能力融入设计、开发、测试、发布及运营全生命周期。 3. 建设终端智能体（Agent）安全体系，保障 AI Agent、MCP Client、Browser Agent 等新型客户端形态的身份认证、权限控制、工具调用及运行时安全。 4. 建设客户端运行时安全能力，覆盖代码完整性、环境可信、设备风险、数据访问、敏感能力调用等核心风险场景。 5. 建设客户端风险发现、自动分析及治理平台，持续提升风险识别、修复建议及治理自动化能力。 6. 利用 AI 提升客户端代码分析、安全评审、风险评估、漏洞分析及自动化治理效率。 7. 推动客户端安全能力平台化、产品化，为研发提供默认安全（Secure by Default）的基础能力。 8. Always First Principal
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。
❏ 统筹海外仓商品合规审核团队的日常管理，建立商品准入审核标准与流程，防范因资质缺失、标签不合规等导致的清关、平台下架及法律风险； ❏ 搭建并持续优化商品审核SOP、审核时效及质量指标，根据品类风险制定差异化审核策略； ❏ 带领团队完成欧代、CE认证、DoC、法国WEEE/电池法/包装法注册号等资质的审核与归档； ❏ 推动合规文件、审核结果与SKU/批次在WMS或合规系统中关联，建立可快速调取的资料台账； ❏ 识别高风险卖家与高频问题品类，建立健全商品合规管控机制，输出风险预警与处理建议； ❏ 联动关务、法务、客服、销售等部门，同步法规与平台政策变化，参与商家准入合规评估，推动流程与系统改进
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. 基于模型与 MaaS 平台能力，设计金融行业智能 Agent、企业知识库、任务自动化 Workflow、多Agent协同等产品方案，推动模型能力在金融场景中的落地应用。 2. 理解金融机构核心业务流程，围绕智能投研、智能风控、智能营销、金融知识库、投顾助手等场景，设计 AI 产品方案并推动商业化落地。 3. 能够抽象行业共性需求，沉淀标准化组件与行业解决方案，推动金融AI产品从0-1建设及规模化复制。 4. 联动算法、工程、解决方案、销售及生态伙伴团队，推动产品能力建设与客户交付上线，持续跟踪业务效果与客户反馈，驱动产品迭代。 5. 关注行业前沿技术与产品趋势，跟踪国内外Agent、AI Workflow等行业趋势，形成产品演进路线判断。
阿里巴巴旗下的 AI Coding 创新团队，致力于重新定义 AI 与人协作的方式。我们正在打造一个新的场景，将Coding Agent的能力泛化，让 AI 真正从"辅助工具"进化为"工作主体"，实现长时间自主运行、独立承接真实任务、稳定持续交付最终产物，彻底革新人类的工作方式。我们正寻找富有激情、创造力和前瞻性思维的精英人才加入，共同定义 AI Agent 时代的产品形态。 1、负责全新 AI Agent 产品的全生命周期管理，从 0 到 1 定义产品形态、能力边界与演进路径,包括市场研究、产品战略制定、功能设计、用户体验优化及产品增长; 2、洞察行业趋势和技术发展，确保产品在快速演进的 AI Agent 领域保持领先地位; 3、设计创新的人机协作交互范式，围绕 Agent 的长时运行、云端执行、异步任务调度、规划执行、记忆与自进化、上下文管理等核心机制，打造直观、可信、引人入胜的产品体验; 4、深入理解开发者、知识行业等用户真实工作流，洞察高频、高价值的工作场景，识别适合由 Agent 自主承接的任务类型，设计端到端的任务交付路径; 5、与 UI/UX、工程团队紧密协作，将底层 Agent 能力转化为稳定、可控、符合用户心智的产品体验，持续提升视觉、交互和智能化表现; 6、通过深度用户研究、数据分析和持续实验，驱动任务成功率、自主完成率、用户信任度与长期留存等核心指标的提升; 7、建立和维护与 key stakeholders 的关系，包括内部团队、合作伙伴和重要客户，确保产品战略的顺利实施。
1、负责大规模多模态数据计算引擎的核心架构设计与执行计划优化，构建面向异构计算（CPU/GPU）的高效任务调度机制与执行流水线，解决PB级多模态数据（图像、音频、视频等）处理过程中的关键性能瓶颈； 2、应对PB级数据在Shuffle、Join、Aggregation等场景中面临的内存、I/O与存储资源挑战，攻克每日PB级流批一体数据处理过程中的系统稳定性难题了； 3、提供SQL-like与Python双端编程接口，打造从本地开发调试到生产级分布式计算的一站式开发体验，持续提升开发效率与工程易用性； 4、应对百PB级结构化数据及多模态数据入湖场景下的高效存储与高吞吐I/O挑战；实现多租户I/O与存储资源的有效隔离；构建完善的数据治理体系，保障数据质量，防范数据腐化风险。
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、负责对话式 AI 导购的全链路运营，覆盖用户意图理解到商品供给匹配，优化对话交互与转化路径，承接互动效率、导购转化率、用户留存等核心指标； 2、建立知识库及属性标准，制定选品与货盘规则，推动行业及商家协同完善知识库体系与选品池，为导购推荐提供用户想要的商品供给； 3、主导核心模块的需求落地与持续迭代，协同产/技/算法团队提升人货匹配精准度与推荐质量，通过灰度实验与数据复盘、评测等驱动持续优化； 4、持续研究同类产品及海内外、跨域 AI 产品，对标与学习，输出业务规划与迭代方向，探索 AI 导购增长新模式，支撑业务决策。
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。
1. 负责音频多模态生成大模型的研发，包含语音合成、音乐生成、音效生成和歌曲生成等任务的基础研究和应用落地； 2. 研发基于扩散模型（Diffusion Models）或自回归模型（AR）的音频生成算法； 3. 研究音频表征、强化学习或语音端到端等技术方向。
我们正在构建世界级医疗垂直大模型，致力于通过AGI技术革新健康咨询与辅助诊疗场景，让精准医疗普惠每个家庭。如果你渴望在万卡算力集群上实现算法突破，用技术改变14亿人的生命质量，这是你不可错过的技术圣战。加入我们，定义医疗大模型的未来。 1、设计与研发面向医疗场景的 Agent / Multi-Agent 系统架构 ，支持复杂任务拆解、角色协作与长期目标规划，包括不限于多轮问诊、医学研究、临床决策支持等 2、构建和优化 Agent 的 推理链（Reasoning）、记忆机制（Memory）、工具调用（Tool Use）与反馈闭环 ，跟踪并评估前沿技术（LLM、RAG、Planning、Multi-Agent、Reflection 等）在医疗领域的适用性与边界
1.负责闪购仓整体商品运营与货盘规划。深入分析市场趋势、消费者需求、竞争格局及平台经营数据，明确不同品类、品牌、价格带和规格的商品布局，持续优化商品结构，提升货盘的需求匹配度与市场竞争力； 2.根据搜索、推荐、淘客、活动等不同流量渠道的用户需求和转化特点，设计差异化货盘及运营策略，推进选品、定价、商品分层、营销承接和爆品打造，提升商品在各渠道的曝光、转化和成交效率； 3.负责商品全生命周期运营，围绕商品引入、上架、成长、汰换和退出制定运营机制；结合销售规模、单品效率、价格竞争力、库存履约及盈利表现，识别结构性短板和潜力商品，形成明确的优化方案； 4.协同品类、招商、供应链、商家运营及业务团队推动策略落地，解决商品引入、价格、库存、履约和资源承接等问题；定期评估商品运营效果，沉淀可复制的方法和机制，并对业务目标达成负责。
1. 负责集团内公司 PRC 年度审计及海外子公司审计，联合国内及海外事务所开展跨境审计，按节点交付审计报告，满足中国会计准则、IFRS、HKFRS 等要求。 2. 主动就审计调整与内控缺陷及时对接业务财务、税务、法务等团队，推动业务线与财务共享团队闭环整改。 3. 沉淀跨境审计方法论、标准化底稿与资料清单，形成不同国家准则、报表及审计知识库。 4. 业务智能化管理：基于业务场景，前瞻性的提出智能化工具的设计思路并负责项目的进度管理，推动新工具和新应用在日常作业中的落地应用，保障账务质量的同时提升作业效率。 5. 积极开放的心态，去适应工作内容变化与岗位调动。
全面负责定义、设计并实现下一代 Agentic AI 系统的核心算法与技术范式，将千问从回答问题升级成执行任务，解决智能体在任务规划、工具使用、多步推理、长程自主执行、环境交互等方面的核心挑战，探索并引领模型在自主决策、复杂任务编排、人机协作等前沿方向的技术突破。直接决定数亿千问用户在 AI 助手场景下的任务完成体验, 打造千问在 Agentic AI 时代的领先地位。 1. Agentic 能力定义与技术规划 深入分析用户的真实任务需求与使用场景，结合业务，制定并执行 Agentic 能力的中长期技术演进路线图。密切追踪并研究 agentic AI 领域的最新进展,包括 agent 架构范式(ReAct、多智能体协作等)、agentic RL、工具学习、计算机使用(computer use)、长程自主执行等方向，主导定义“顶级智能体能力”的标准,并将其分解为可落地、可量化的算法迭代目标。 2. 任务规划与多步推理 攻坚并解决复杂任务下的核心技术难题，包括但不限于任务分解与规划、多步推理与反思、错误自我识别与纠正、长程任务的记忆与状态管理、异常处理与恢复等。设计创新的脚手架与训练策略,使模型具备真正可靠、连贯的长程自主执行能力，而不仅是单轮的指令响应。 3. 工具使用与环境交互 主导研发模型与外部工具、API、代码执行环境、搜索引擎、数据库等深度动态融合的先进技术。解决工具调用准确性、参数生成、多工具编排、observation 理解与处理、执行结果验证等核心问题。设计并优化可扩展的工具调用框架与执行环境，显著提升智能体在真实场景下完成复杂任务的成功率与可靠性。 4. Agentic 训练与对齐 主导大模型在 agentic 场景下的 post-training 与对齐工作,包括 agentic SFT、面向工具使用与多步任务的强化学习(RLHF/RLAIF/DPO/GRPO 等)、奖励设计与可验证奖励、长程任务的信用分配、reward hacking 的识别与对抗等，设计高效的样本构建流水线，推动 agentic 能力的持续提升。 5. 评测体系与数据飞轮 建立并完善一套科学、全面的 agentic 能力评测体系，能够精准衡量智能体的任务完成质量(成功率、效率、可靠性、安全性等)，覆盖过程评估与结果评估。探索 Agent-as-Judge 等前沿评测方法，以及针对性agentic benchmark建设，设计并驱动高效的数据闭环系统，利用真实用户的任务轨迹与反馈，持续、自动化地优化模型。
1、评测体系建设 深入理解公司 AI 产品业务场景，结合多模态大模型技术发展趋势，设计并持续完善模型评测体系，包括评测维度、指标定义、评测流程与方法论，确保评测结果能够客观反映模型能力变化与关键问题。 2、数据与评测标准建设 负责多模态大模型训练与评测数据的质量体系建设，包括数据标注规范制定、评测标准设计及数据集构建与优化，沉淀高质量数据资产，为模型训练与评测提供可靠基础。 3、模型评测与效果分析 联合产品与算法团队开展离线评测、场景评测及对比评测，系统分析模型表现与能力边界，输出结构化评测报告，支持模型迭代与产品优化。 4、评测场景与Benchmark构建 围绕核心业务场景构建评测任务与Benchmark体系，持续扩展评测覆盖范围，确保评测体系能够真实反映用户场景与模型能力。 5、数据驱动的优化闭环与行业对标 与算法、产品和数据团队协作，通过评测定位模型问题并推动数据补充与模型优化，建立“评测—分析—优化—复评”的迭代闭环，同时持续跟踪行业评测方法与Benchmark，优化内部评测框架。
业务场景 我们正在构建面向医疗健康领域的大模型能力和应用体系。医疗数据具有高度专业性、知识密度大、准确性要求极高的特点——一条错误的药物相互作用知识可能直接影响用户健康决策。 团队需要从海量医学文献、临床指南、药品说明书、疾病知识图谱等异构数据源中，建设高质量的预训练语料和结构化知识库，支撑大模型在医疗问答、健康咨询、临床辅助决策等场景下的权威性、正确性与实用性。 你将参与到以Data为中心、驱动内容理解、知识构建、数据合成和应用的全链路工作中，为千问app toC的医疗健康业务提供高质量的RAG内容供给，同时沉淀高质数据、保障模型能力的迭代提升。 你的工作将直接影响模型在医疗垂直领域的效果天花板——数据质量决定模型能力上限。 工作职责 1. 负责大规模数据采集与内容发现的架构设计、核心技术研发与持续优化，覆盖网页、文档、图片、视频等多种数据形态，实现高质量数据资源的自动化发现、采集与更新。 2. 负责大模型数据基建与演进，支撑海量数据的存储、治理、预处理、质量评估及版本管理，包括数据清洗、去重、相似度计算、脱敏、结构化转换等核心能力建设，保障医学数据的高度准确性、安全与合规。 3. 结合自然语言处理（NLP）、多模态理解、大模型等技术，对海量非结构化数据进行信息抽取、网页分析、内容聚类、标签体系建设等核心技术开发，构建高质量训练数据集和知识库体系，提升RAG效果 4. 与算法团队紧密协作，围绕大模型训练、微调、评测及应用落地需求，设计并优化数据规模、数据结构、数据质量和数据生产流程，持续提升模型训练效果。
1、针对旅行场景设计具有用户价值的AI智能体并推动其不断优化，包括不限于目的地发现、行程规划、值机选座、旅行商品推荐等，为AI规模及留存负责。 2、基于对模型能力与边界的理解，结合旅行场景用户需求，负责用户侧ai横向能力建设，包括不限于长程任务、记忆体系、上下文体系等，提升产品可用率及用户好感度。 3、推动AI能力在各种内外部场景落地，为AI规模经营指标负责。
1. 产品体验方向 • 负责阿里云 & ATH 事业群百炼、Qwen Cloud、Qoder、秒悟、万有无界、万镜一刻等 AI-Native 产品的核心页面与关键流程设计，交付高质量的交互稿、视觉稿与走查稿； • 深入理解模型能力（LLM / 多模态 / Agent / Tool Call）与业务场景，把不确定的 AI 能力翻译成可理解、可控制、可验证的产品体验，主动设计 loading、streaming、error、empty、confirm、rollback 等完整状态； • 端到端主导一个核心场景或模块的从 0 到 1，定义该场景的 AI 交互范式与组件模式，向部门设计系统与知识库沉淀可复用资产； • 与产品、算法、前端紧密协作，参与需求评审、原型评审、体验走查，推动方案在真实环境中落地并持续打磨。 2. 设计工程方向 • 推动设计系统与工作流的 AI 化：定义 AI Agents、Skills 与工具在设计中的应用，将设计系统打造为 AI 可读、可消费、可生成的资产；探索从灵感到原型到交付的 AI 驱动工作流； • 建立并维护团队长期复用的设计与前端基础设施，包括 Design Tokens、Components、Patterns、文档和 Storybook；连接 Figma Variables 与代码组件，定义 Motion Token、暗色模式、主题系统； • 参与 Agentic UX 设计与 AI 设计审美等前沿课题的探索，支持团队 Design Skill、Design Agent 与设计工具研发，处理组件治理、版本管理、迁移与跨团队协作。
• 负责阿里云&ATH事业群系列 AI 产品的品牌视觉、发布传播、活动物料、官网 KV、社区内容与开发者体验中的创意视觉输出，参与AI产品品牌语言的构建，形成可复用的品牌资产； • 主导重要发布节点（云栖大会、产品发布会、行业活动）的整体视觉与创意方向，端到端负责从策略到落地； • 结合 AI 生成工具（Midjourney、Lovart、Tapnow等），高效产出高质量视觉方案，并在真实上线场景中打磨细节； • 建立创意团队的工作方法与 AI 生产工作流，沉淀 AIGC 工作流方法、Prompt 资产、制作规范和质量标准，提升团队整体创作效率； • 关注行业趋势、AI 工具演进与视觉表达方式变化，主动将新工具、新流程、新视觉语言转化为可落地的设计实践。
负责千问智能硬件(眼镜/耳机等)的云端大模型能力体系，打造面向文本、语音、图像、视频流等全模态交互的硬件 AI 助手。主导llm/vlm/omni模型后训练、agentic范式、数据体系等方向持续迭代，提升模型在聊天、文本问答、视觉问答、livetalk、agent任务执行的能力；联动硬件侧多模态传感器（如眼动追踪等）开展融合建模与能力增强，进一步拓展模型在真实交互场景下的理解、推理与执行上限，打造自然流畅、有温度、能办事的 AI 体验。
负责千问APP相机场景的多模态算法能力建设，深入迭代VLM模型与Agent能力，你将负责多模态数据构建、VLM训练、数据飞轮和评测体系等关键工作，推动模型在图文对话、视觉RAG、多模态Agentic Search、视觉感知和推理等方向上的能力突破，持续提升用户在开放场景下的需求满足和体验上限。
负责面向头部终端客户的智能助手核心能力建设，打造基于qwen模型的下一代对话交互体验，并应用于系统级手机助手、车载座舱语音助手等场景。你将围绕大模型对话能力、指令跟随、任务理解与执行、多轮交互、风格对齐与体验优化等关键方向展开工作，持续提升智能助手在开放场景下的理解、响应与需求满足能力。岗位将深入参与llm/omni/agent模型训练、数据构建、评测体系、效果优化等关键环节，推动智能助手在自然性、准确性、稳定性、个性化与可用性上的持续突破。
