主分类：大模型与生成式算法研发
辅助：Agent系统开发（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": "Token Foundry-代码大模型算法工程师-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": "计算机科学、人工智能、机器学习等领域的博士/硕士毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "千问（Qwen）是由Token Foundry自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿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。\nCoder 团队致力于构建能够执行、扩展并自我进化的自主系统，通过构建超智能的 coding agent / digital agent，扩展数字世界，为迈向真实世界的智能奠定基础。\n工作职责：\n1. 负责通用模型 Qwen 的代码能力和代码专有模型 Qwen-Coder 的构建。\n（1）包括但不限于数据收集、预训练、后训练（强化学习）、评测等方向上的探索。\n（2）我们坚持 Large-scale Pre-training 和 Large-scale RL 来提升 Code Reasoning 能力，在专家级编程竞赛超越人类，并构建 Coding Agent 来解决真实世界软件开发任务。\n2. 负责 Computer-Use Agent (GUI-Agent）的建设，以最直观的方式—鼠标、键盘、编码等操作来代替人类执行数字世界任务。\n（1）通过 Scaling 海量数字世界数据结合大规模合成数据，来提升 Computer-Use Agent 的 Grouding 能力。\n（2）通过 Long Horizon 的方式进行强化训练，结合可扩展的多模态环境反馈来提升 CU Agent 的 Reasoning 的能力。",
"requirements_text": "1. 计算机科学、人工智能、机器学习等领域的博士/硕士毕业生。\n2. 对上述前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式，能够独立应用技术解决复杂问题。\n3. 在上述方向有过相关的科研或项目经历，在顶级会议上发表过相关论文，有深度学习，大模型等相关经验。\n加分项：\n1. 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、ICML、ICLR、ACL、TPAMI等国际顶级计算机会议/期刊。\n2. 拥有知名开源项目，在开源社区具有较好的影响力，或在竞赛中获得引领性的研究成果。",
"skills": [AI生成
"机器学习",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "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=100019400004"
}
]
},
"posting": {
"posting_id": "100019400004",
"post_date": "2026-09-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100019400004"
},
"fulltext": "Token Foundry-代码大模型算法工程师-Qwen\nToken Foundry-代码大模型算法工程师-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Token Foundry自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿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。\nCoder 团队致力于构建能够执行、扩展并自我进化的自主系统，通过构建超智能的 coding agent / digital agent，扩展数字世界，为迈向真实世界的智能奠定基础。\n工作职责：\n1. 负责通用模型 Qwen 的代码能力和代码专有模型 Qwen-Coder 的构建。\n（1）包括但不限于数据收集、预训练、后训练（强化学习）、评测等方向上的探索。\n（2）我们坚持 Large-scale Pre-training 和 Large-scale RL 来提升 Code Reasoning 能力，在专家级编程竞赛超越人类，并构建 Coding Agent 来解决真实世界软件开发任务。\n2. 负责 Computer-Use Agent (GUI-Agent）的建设，以最直观的方式—鼠标、键盘、编码等操作来代替人类执行数字世界任务。\n（1）通过 Scaling 海量数字世界数据结合大规模合成数据，来提升 Computer-Use Agent 的 Grouding 能力。\n（2）通过 Long Horizon 的方式进行强化训练，结合可扩展的多模态环境反馈来提升 CU Agent 的 Reasoning 的能力。\n\n职位要求\n1. 计算机科学、人工智能、机器学习等领域的博士/硕士毕业生。\n2. 对上述前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式，能够独立应用技术解决复杂问题。\n3. 在上述方向有过相关的科研或项目经历，在顶级会议上发表过相关论文，有深度学习，大模型等相关经验。\n加分项：\n1. 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、ICML、ICLR、ACL、TPAMI等国际顶级计算机会议/期刊。\n2. 拥有知名开源项目，在开源社区具有较好的影响力，或在竞赛中获得引领性的研究成果。\n千问（Qwen）是由Token Foundry自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿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。\nCoder 团队致力于构建能够执行、扩展并自我进化的自主系统，通过构建超智能的 coding agent / digital agent，扩展数字世界，为迈向真实世界的智能奠定基础。\n工作职责：\n1. 负责通用模型 Qwen 的代码能力和代码专有模型 Qwen-Coder 的构建。\n（1）包括但不限于数据收集、预训练、后训练（强化学习）、评测等方向上的探索。\n（2）我们坚持 Large-scale Pre-training 和 Large-scale RL 来提升 Code Reasoning 能力，在专家级编程竞赛超越人类，并构建 Coding Agent 来解决真实世界软件开发任务。\n2. 负责 Computer-Use Agent (GUI-Agent）的建设，以最直观的方式—鼠标、键盘、编码等操作来代替人类执行数字世界任务。\n（1）通过 Scaling 海量数字世界数据结合大规模合成数据，来提升 Computer-Use Agent 的 Grouding 能力。\n（2）通过 Long Horizon 的方式进行强化训练，结合可扩展的多模态环境反馈来提升 CU Agent 的 Reasoning 的能力。\n1. 计算机科学、人工智能、机器学习等领域的博士/硕士毕业生。\n2. 对上述前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式，能够独立应用技术解决复杂问题。\n3. 在上述方向有过相关的科研或项目经历，在顶级会议上发表过相关论文，有深度学习，大模型等相关经验。\n加分项：\n1. 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、ICML、ICLR、ACL、TPAMI等国际顶级计算机会议/期刊。\n2. 拥有知名开源项目，在开源社区具有较好的影响力，或在竞赛中获得引领性的研究成果。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}