主分类：大模型与生成式算法研发
辅助：AI模型评测工程（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "千问事业部-Omni全模态大模型算法专家-杭州/北京",
"job_level": "专家",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": "计算机科学、人工智能、机器学习、语音处理或相关领域硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "全面负责定义、设计并实现下一代实时音视频通话 AI 应用的核心模型能力与交互体验，围绕 Omni 多模态模型在实时对话场景中的落地，重点攻坚模型后训练、数据构建与评测体系等关键问题，持续提升模型在聊天、问答、生活办事等场景下的自然度、智能性、趣味性与任务完成效果。您将直接参与塑造面向海量用户的实时 AI 通话体验，推动 AI 从“能回答”走向“更像真人、更懂用户、更会互动”的下一代产品形态。\n【工作职责】\n1. 结合实时音视频通话场景中的用户需求与交互特点，定义模型能力目标与体验标准，制定后训练与效果演进方案，持续优化响应速度、表达自然度、理解准确性与任务完成效果。\n2. 围绕 Omni 多模态模型开展 Post-training 工作，包括 SFT、RL、数据配比优化、训练目标设计与策略迭代，提升模型在多轮对话、上下文理解、情绪感知、口语表达等方面的能力。\n3. 构建实时 AI 通话场景的数据与评测体系，覆盖聊天、问答、生活服务等核心场景，建设监督数据、偏好数据、强化学习数据及线上回流样本，建立可量化的效果评估标准并驱动持续优化。\n4. 面向真实产品链路中的复杂问题，优化模型在打断恢复、上下文衔接、模糊意图理解、口语化问答、多模态信息融合等场景下的表现，并与产品、工程、语音、评测等团队协同推动落地。",
"requirements_text": "1. 计算机科学、人工智能、机器学习、语音处理或相关领域硕士及以上学历。\n2. 具备大模型、对话系统、多模态模型或语音交互方向研发经验，对实时对话式 AI 产品有较深理解，具备较强的工程落地与问题抽象能力。\n3. 在以下一个或多个方向具备扎实经验：大模型后训练与对齐技术（如 SFT、RLHF、RLAIF、DPO、Online RL 等）、Omni/多模态模型训练优化、音视频通话场景下的数据与评测体系建设、聊天/问答/Agent 类场景的模型效果优化。\n4. 熟悉大模型训练与推理相关技术栈，精通 Python，熟练使用 PyTorch 等主流框架，具备扎实的机器学习、深度学习与 Transformer/多模态模型基础。\n5. 具备较强的数据与评测意识，能够围绕真实业务问题搭建数据闭环、设计评测方案，并通过系统性实验持续提升模型效果。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "未披露",
"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=100013040012"
}
]
},
"posting": {
"posting_id": "100013040012",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.quark.cn/off-campus/position-detail?positionId=100013040012"
},
"fulltext": "千问事业部-Omni全模态大模型算法专家-杭州/北京\n千问事业部-Omni全模态大模型算法专家-杭州/北京\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全面负责定义、设计并实现下一代实时音视频通话 AI 应用的核心模型能力与交互体验，围绕 Omni 多模态模型在实时对话场景中的落地，重点攻坚模型后训练、数据构建与评测体系等关键问题，持续提升模型在聊天、问答、生活办事等场景下的自然度、智能性、趣味性与任务完成效果。您将直接参与塑造面向海量用户的实时 AI 通话体验，推动 AI 从“能回答”走向“更像真人、更懂用户、更会互动”的下一代产品形态。\n【工作职责】\n1. 结合实时音视频通话场景中的用户需求与交互特点，定义模型能力目标与体验标准，制定后训练与效果演进方案，持续优化响应速度、表达自然度、理解准确性与任务完成效果。\n2. 围绕 Omni 多模态模型开展 Post-training 工作，包括 SFT、RL、数据配比优化、训练目标设计与策略迭代，提升模型在多轮对话、上下文理解、情绪感知、口语表达等方面的能力。\n3. 构建实时 AI 通话场景的数据与评测体系，覆盖聊天、问答、生活服务等核心场景，建设监督数据、偏好数据、强化学习数据及线上回流样本，建立可量化的效果评估标准并驱动持续优化。\n4. 面向真实产品链路中的复杂问题，优化模型在打断恢复、上下文衔接、模糊意图理解、口语化问答、多模态信息融合等场景下的表现，并与产品、工程、语音、评测等团队协同推动落地。\n\n职位要求\n1. 计算机科学、人工智能、机器学习、语音处理或相关领域硕士及以上学历。\n2. 具备大模型、对话系统、多模态模型或语音交互方向研发经验，对实时对话式 AI 产品有较深理解，具备较强的工程落地与问题抽象能力。\n3. 在以下一个或多个方向具备扎实经验：大模型后训练与对齐技术（如 SFT、RLHF、RLAIF、DPO、Online RL 等）、Omni/多模态模型训练优化、音视频通话场景下的数据与评测体系建设、聊天/问答/Agent 类场景的模型效果优化。\n4. 熟悉大模型训练与推理相关技术栈，精通 Python，熟练使用 PyTorch 等主流框架，具备扎实的机器学习、深度学习与 Transformer/多模态模型基础。\n5. 具备较强的数据与评测意识，能够围绕真实业务问题搭建数据闭环、设计评测方案，并通过系统性实验持续提升模型效果。\n全面负责定义、设计并实现下一代实时音视频通话 AI 应用的核心模型能力与交互体验，围绕 Omni 多模态模型在实时对话场景中的落地，重点攻坚模型后训练、数据构建与评测体系等关键问题，持续提升模型在聊天、问答、生活办事等场景下的自然度、智能性、趣味性与任务完成效果。您将直接参与塑造面向海量用户的实时 AI 通话体验，推动 AI 从“能回答”走向“更像真人、更懂用户、更会互动”的下一代产品形态。\n【工作职责】\n1. 结合实时音视频通话场景中的用户需求与交互特点，定义模型能力目标与体验标准，制定后训练与效果演进方案，持续优化响应速度、表达自然度、理解准确性与任务完成效果。\n2. 围绕 Omni 多模态模型开展 Post-training 工作，包括 SFT、RL、数据配比优化、训练目标设计与策略迭代，提升模型在多轮对话、上下文理解、情绪感知、口语表达等方面的能力。\n3. 构建实时 AI 通话场景的数据与评测体系，覆盖聊天、问答、生活服务等核心场景，建设监督数据、偏好数据、强化学习数据及线上回流样本，建立可量化的效果评估标准并驱动持续优化。\n4. 面向真实产品链路中的复杂问题，优化模型在打断恢复、上下文衔接、模糊意图理解、口语化问答、多模态信息融合等场景下的表现，并与产品、工程、语音、评测等团队协同推动落地。\n1. 计算机科学、人工智能、机器学习、语音处理或相关领域硕士及以上学历。\n2. 具备大模型、对话系统、多模态模型或语音交互方向研发经验，对实时对话式 AI 产品有较深理解，具备较强的工程落地与问题抽象能力。\n3. 在以下一个或多个方向具备扎实经验：大模型后训练与对齐技术（如 SFT、RLHF、RLAIF、DPO、Online RL 等）、Omni/多模态模型训练优化、音视频通话场景下的数据与评测体系建设、聊天/问答/Agent 类场景的模型效果优化。\n4. 熟悉大模型训练与推理相关技术栈，精通 Python，熟练使用 PyTorch 等主流框架，具备扎实的机器学习、深度学习与 Transformer/多模态模型基础。\n5. 具备较强的数据与评测意识，能够围绕真实业务问题搭建数据闭环、设计评测方案，并通过系统性实验持续提升模型效果。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}