主分类：大模型与生成式算法研发
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": "Token Foundry-大模型Post-training算法工程师-Qwen",
"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 / 上海",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "通义",
"company_industry": "人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "通义提供人工智能模型及文档阅读等AI应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "博士及硕士优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。\n在蕴含丰富世界知识的预训练模型的基础上，我们利用 Post-train 打造出我们想要的能够服务人类的 AI 模型。我们通过 RL、SFT、RFT 等技术，探索大模型潜能的同时，也在塑造大模型的能力与性格。本着为人类服务的目标，我们的 Post-train 将会重点探索其推理能力，实现深度思考，并致力于提升其 Agent 能力，让大模型服务于真实世界的任务。\n工作职责：\n1. 探索更多可 scalable 的 verifier 信号，并通过 RL 提升模型的各项能力。\n2. 提升 reward model 在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。\n3. 研究 reasoning path压缩和外推，实现更高质量的推理思考。\n4. 将LLM的推理能力和Agent以及其他模态相结合，探索统一模态的reasoning。",
"requirements_text": "1. 计算机、机器学习等方向相关专业，博士及硕士优先。\n2. 具有 post-training 或强化学习相关方向经验。\n3. 精通 Python 以及 Pytorch 等深度学习框架，具有较强的代码工程能力。\n加分项：\n1. 熟悉LLM推理引擎（如vLLM，SGLang）的实现。\n2. 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等。\n3. 拥有知名开源项目，在开源社区具有较好的影响力。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"强化学习"
],
"preferred_qualifications": "1. 计算机、机器学习等方向相关专业，博士及硕士优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100015600002"
}
]
},
"posting": {
"posting_id": "100015600002",
"post_date": "2026-08-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100015600002"
},
"fulltext": "Token Foundry-大模型Post-training算法工程师-Qwen\nToken Foundry-大模型Post-training算法工程师-Qwen\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 / 上海\n\n职位描述\n千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。\n在蕴含丰富世界知识的预训练模型的基础上，我们利用 Post-train 打造出我们想要的能够服务人类的 AI 模型。我们通过 RL、SFT、RFT 等技术，探索大模型潜能的同时，也在塑造大模型的能力与性格。本着为人类服务的目标，我们的 Post-train 将会重点探索其推理能力，实现深度思考，并致力于提升其 Agent 能力，让大模型服务于真实世界的任务。\n工作职责：\n1. 探索更多可 scalable 的 verifier 信号，并通过 RL 提升模型的各项能力。\n2. 提升 reward model 在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。\n3. 研究 reasoning path压缩和外推，实现更高质量的推理思考。\n4. 将LLM的推理能力和Agent以及其他模态相结合，探索统一模态的reasoning。\n\n职位要求\n1. 计算机、机器学习等方向相关专业，博士及硕士优先。\n2. 具有 post-training 或强化学习相关方向经验。\n3. 精通 Python 以及 Pytorch 等深度学习框架，具有较强的代码工程能力。\n加分项：\n1. 熟悉LLM推理引擎（如vLLM，SGLang）的实现。\n2. 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等。\n3. 拥有知名开源项目，在开源社区具有较好的影响力。\n千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。\n在蕴含丰富世界知识的预训练模型的基础上，我们利用 Post-train 打造出我们想要的能够服务人类的 AI 模型。我们通过 RL、SFT、RFT 等技术，探索大模型潜能的同时，也在塑造大模型的能力与性格。本着为人类服务的目标，我们的 Post-train 将会重点探索其推理能力，实现深度思考，并致力于提升其 Agent 能力，让大模型服务于真实世界的任务。\n工作职责：\n1. 探索更多可 scalable 的 verifier 信号，并通过 RL 提升模型的各项能力。\n2. 提升 reward model 在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。\n3. 研究 reasoning path压缩和外推，实现更高质量的推理思考。\n4. 将LLM的推理能力和Agent以及其他模态相结合，探索统一模态的reasoning。\n1. 计算机、机器学习等方向相关专业，博士及硕士优先。\n2. 具有 post-training 或强化学习相关方向经验。\n3. 精通 Python 以及 Pytorch 等深度学习框架，具有较强的代码工程能力。\n加分项：\n1. 熟悉LLM推理引擎（如vLLM，SGLang）的实现。\n2. 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等。\n3. 拥有知名开源项目，在开源社区具有较好的影响力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}