{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "千问事业部-前沿大模型全栈研究员-北京/杭州",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类-算法"AI生成
    },
    "company": {
        "company_name": "夸克",
        "company_industry": "互联网 / 人工智能应用",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "夸克提供AI搜索等人工智能应用服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "● 【研究能力与问题判断】 计算机、人工智能、数学、统计学或相关专业硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "我们正在组建一支前沿科研探索“特种兵小队”，致力于打造下一代千问大模型、统一智能体与 AI 原生应用能力，推动从前沿科研到产品创新的全链路突破。研究方向覆盖但不限于：预训练到后训练算法、基础模型架构、data-centric 机器学习、agentic RL与scaling、多模态理解/推理/生成一体、个性化推荐与交互、记忆机制与上下文管理、复杂工具的构建与进化，以及智能体在 AI 办公、软件开发、金融等垂类场景的能力突破。\n该岗位强调 全栈能力与研究驱动：团队会在 长期基础研究、业务相关应用研究、关键能力落地 之间形成持续飞轮，鼓励围绕最重要的问题开展自主科研探索，并与千问训练、系统、数据、评测、产品等团队深度协作，把关键突破转化为真实产品能力与全新用户体验。\n工作职责：\n● 【前沿科研探索】 围绕大模型、统一智能体与 AI 原生应用中的关键问题开展研究，跟踪前沿、主动识别高价值方向，推动原创方法、核心能力与长期壁垒形成。\n● 【全链路端到端推进】 打通算法、数据、训练/对齐、评测、系统与产品化闭环，持续优化从 Pretrain/CPT 到 SFT/RLHF/RLAIF/DPO/RLVR 的训练链路，以及“评测—数据—训练—上线反馈”的高效飞轮。\n● 【科研与业务双向驱动】 将基础研究与真实场景结合，在多模态、AI Office、AI 搜索/深度研究、个性化与记忆系统、Browser Use、软件开发等方向推动能力突破与产品创新。\n● 【学术与技术影响力】 产出论文、专利、开源或其他高质量技术成果，沉淀可复用的方法论与系统能力，形成持续技术影响力。",
        "requirements_text": "● 【研究能力与问题判断】 计算机、人工智能、数学、统计学或相关专业硕士及以上学历；在 LLM、VLM、Agent、RL、推荐/个性化/记忆系统等方向具备扎实基础，能够独立定义问题、设计实验并形成清晰判断。\n● 【研究与工程一体能力】 精通 Python，熟悉 PyTorch 等主流框架，具备较强工程实现能力；能够将研究想法快速转化为可复现、可扩展的系统与代码；有分布式训练、复杂系统或 AI 工具高效研发经验者优先。\n● 【全链路意识与 Ownership】 在一到两个方向上有突出积累，并愿意向更广链路扩展；能够跨越算法、数据、评测、系统与产品边界，在高不确定环境中 end-to-end 推动问题落地。\n● 【科研探索与落地能力】 热爱自主科研探索，也愿意深入真实场景，将研究成果转化为关键能力与产品创新。\n● 【协同与影响力】 具备良好的沟通协作能力，对论文、开源、方法论沉淀或关键业务突破有持续追求。\n优先条件：\n● 有顶会论文、高质量开源贡献或有影响力的技术成果；\n● 有大模型训练/对齐、Agentic RL、多模态、长上下文、工具使用、记忆/上下文管理、多智能体等方向的代表性成果；\n● 有 data-centric ML、自动化评测、reward/verifier、垂类智能体或“从研究到线上”闭环经验。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "模型训练",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "有分布式训练、复杂系统或 AI 工具高效研发经验者优先；优先条件：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.quark.cn/off-campus/position-detail?positionId=100011840001"
            }
        ]
    },
    "posting": {
        "posting_id": "100011840001",
        "post_date": "2026-09-16",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.quark.cn/off-campus/position-detail?positionId=100011840001"
    },
    "fulltext": "千问事业部-前沿大模型全栈研究员-北京/杭州\n千问事业部-前沿大模型全栈研究员-北京/杭州\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n我们正在组建一支前沿科研探索“特种兵小队”，致力于打造下一代千问大模型、统一智能体与 AI 原生应用能力，推动从前沿科研到产品创新的全链路突破。研究方向覆盖但不限于：预训练到后训练算法、基础模型架构、data-centric 机器学习、agentic RL与scaling、多模态理解/推理/生成一体、个性化推荐与交互、记忆机制与上下文管理、复杂工具的构建与进化，以及智能体在 AI 办公、软件开发、金融等垂类场景的能力突破。\n该岗位强调 全栈能力与研究驱动：团队会在 长期基础研究、业务相关应用研究、关键能力落地 之间形成持续飞轮，鼓励围绕最重要的问题开展自主科研探索，并与千问训练、系统、数据、评测、产品等团队深度协作，把关键突破转化为真实产品能力与全新用户体验。\n工作职责：\n● 【前沿科研探索】 围绕大模型、统一智能体与 AI 原生应用中的关键问题开展研究，跟踪前沿、主动识别高价值方向，推动原创方法、核心能力与长期壁垒形成。\n● 【全链路端到端推进】 打通算法、数据、训练/对齐、评测、系统与产品化闭环，持续优化从 Pretrain/CPT 到 SFT/RLHF/RLAIF/DPO/RLVR 的训练链路，以及“评测—数据—训练—上线反馈”的高效飞轮。\n● 【科研与业务双向驱动】 将基础研究与真实场景结合，在多模态、AI Office、AI 搜索/深度研究、个性化与记忆系统、Browser Use、软件开发等方向推动能力突破与产品创新。\n● 【学术与技术影响力】 产出论文、专利、开源或其他高质量技术成果，沉淀可复用的方法论与系统能力，形成持续技术影响力。\n\n职位要求\n● 【研究能力与问题判断】 计算机、人工智能、数学、统计学或相关专业硕士及以上学历；在 LLM、VLM、Agent、RL、推荐/个性化/记忆系统等方向具备扎实基础，能够独立定义问题、设计实验并形成清晰判断。\n● 【研究与工程一体能力】 精通 Python，熟悉 PyTorch 等主流框架，具备较强工程实现能力；能够将研究想法快速转化为可复现、可扩展的系统与代码；有分布式训练、复杂系统或 AI 工具高效研发经验者优先。\n● 【全链路意识与 Ownership】 在一到两个方向上有突出积累，并愿意向更广链路扩展；能够跨越算法、数据、评测、系统与产品边界，在高不确定环境中 end-to-end 推动问题落地。\n● 【科研探索与落地能力】 热爱自主科研探索，也愿意深入真实场景，将研究成果转化为关键能力与产品创新。\n● 【协同与影响力】 具备良好的沟通协作能力，对论文、开源、方法论沉淀或关键业务突破有持续追求。\n优先条件：\n● 有顶会论文、高质量开源贡献或有影响力的技术成果；\n● 有大模型训练/对齐、Agentic RL、多模态、长上下文、工具使用、记忆/上下文管理、多智能体等方向的代表性成果；\n● 有 data-centric ML、自动化评测、reward/verifier、垂类智能体或“从研究到线上”闭环经验。\n我们正在组建一支前沿科研探索“特种兵小队”，致力于打造下一代千问大模型、统一智能体与 AI 原生应用能力，推动从前沿科研到产品创新的全链路突破。研究方向覆盖但不限于：预训练到后训练算法、基础模型架构、data-centric 机器学习、agentic RL与scaling、多模态理解/推理/生成一体、个性化推荐与交互、记忆机制与上下文管理、复杂工具的构建与进化，以及智能体在 AI 办公、软件开发、金融等垂类场景的能力突破。\n该岗位强调 全栈能力与研究驱动：团队会在 长期基础研究、业务相关应用研究、关键能力落地 之间形成持续飞轮，鼓励围绕最重要的问题开展自主科研探索，并与千问训练、系统、数据、评测、产品等团队深度协作，把关键突破转化为真实产品能力与全新用户体验。\n工作职责：\n● 【前沿科研探索】 围绕大模型、统一智能体与 AI 原生应用中的关键问题开展研究，跟踪前沿、主动识别高价值方向，推动原创方法、核心能力与长期壁垒形成。\n● 【全链路端到端推进】 打通算法、数据、训练/对齐、评测、系统与产品化闭环，持续优化从 Pretrain/CPT 到 SFT/RLHF/RLAIF/DPO/RLVR 的训练链路，以及“评测—数据—训练—上线反馈”的高效飞轮。\n● 【科研与业务双向驱动】 将基础研究与真实场景结合，在多模态、AI Office、AI 搜索/深度研究、个性化与记忆系统、Browser Use、软件开发等方向推动能力突破与产品创新。\n● 【学术与技术影响力】 产出论文、专利、开源或其他高质量技术成果，沉淀可复用的方法论与系统能力，形成持续技术影响力。\n● 【研究能力与问题判断】 计算机、人工智能、数学、统计学或相关专业硕士及以上学历；在 LLM、VLM、Agent、RL、推荐/个性化/记忆系统等方向具备扎实基础，能够独立定义问题、设计实验并形成清晰判断。\n● 【研究与工程一体能力】 精通 Python，熟悉 PyTorch 等主流框架，具备较强工程实现能力；能够将研究想法快速转化为可复现、可扩展的系统与代码；有分布式训练、复杂系统或 AI 工具高效研发经验者优先。\n● 【全链路意识与 Ownership】 在一到两个方向上有突出积累，并愿意向更广链路扩展；能够跨越算法、数据、评测、系统与产品边界，在高不确定环境中 end-to-end 推动问题落地。\n● 【科研探索与落地能力】 热爱自主科研探索，也愿意深入真实场景，将研究成果转化为关键能力与产品创新。\n● 【协同与影响力】 具备良好的沟通协作能力，对论文、开源、方法论沉淀或关键业务突破有持续追求。\n优先条件：\n● 有顶会论文、高质量开源贡献或有影响力的技术成果；\n● 有大模型训练/对齐、Agentic RL、多模态、长上下文、工具使用、记忆/上下文管理、多智能体等方向的代表性成果；\n● 有 data-centric ML、自动化评测、reward/verifier、垂类智能体或“从研究到线上”闭环经验。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}