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-图像算法工程师-Qwen Image",
"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": "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、计算机视觉、人工智能、机器学习、具身智能等领域的博士/硕士毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "Qwen-Image（千问图像）团队是阿里巴巴ATH事业群-Token Foundry下的图像生成基座团队，自2025年初成立，前后发布了Qwen-Image, Qwen-Image-Edit, Qwen-Image-2.0等一系列文生图、图像编辑基座大模型。Qwen-Image团队正在打造全球领先的图像生成技术体系，推动AI在企业服务、开发者生态、个人内容创作等领域的深度应用，引领下一代人工智能的发展。团队专注于研发视觉生成技术，其中研究内容包括但不限于：图像生成、图像编辑、理解生成一体化等，充分探索相关数据及训练方法研究，以期解决计算机视觉基本问题的同时，为 AI 赋予创造力。\n专注于视觉通用大模型的设计、优化与高效部署，具体职责有以下方向：\n1、研究高效的视觉通用大模型架构，应对复杂视觉任务，提升模型的准确性和泛化能力；\n2、优化算子和通信机制，提升模型训练效率，降低硬件资源消耗，提高训练速度和资源利用率；\n3、探索高效的训练策略，包括自适应学习率调整、正则化方法和优化算法选择，提升模型性能和稳定性；\n4、设计和实现自动化评估方法，帮助研发团队及时发现模型不足，优化模型架构和训练策略；\n5、研发数据过滤和标注相关模型，提高数据质量和可用性，为模型训练提供支持。",
"requirements_text": "1. 计算机科学、计算机视觉、人工智能、机器学习、具身智能等领域的博士/硕士毕业生。\n2. 对通用视觉理解或生成模型有一定研究实践，在图像 / 视频 / 3D 等至少一种模态上有实际研发经验。\n3. 熟练掌握 Pytorch/ Megatron 等大模型框架，有优秀的 coding / 工程能力。\n4. 自我驱动力，动手能力强，工作细致，对AI行业有浓厚的兴趣，有较强的学习能力和责任心。\n5. 善于平衡研究目标及落地实现，具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响力。\n6. 关注技术影响力，具有开源开放精神，对基础模型的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。\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：CVPR、ECCV、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。\n3. 具有大规模实战经验。",
"skills": [AI生成
"PyTorch",
"机器学习",
"计算机视觉",
"学习能力",
"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=100022880009"
}
]
},
"posting": {
"posting_id": "100022880009",
"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=100022880009"
},
"fulltext": "Token Foundry-图像算法工程师-Qwen Image\nToken Foundry-图像算法工程师-Qwen Image\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\nQwen-Image（千问图像）团队是阿里巴巴ATH事业群-Token Foundry下的图像生成基座团队，自2025年初成立，前后发布了Qwen-Image, Qwen-Image-Edit, Qwen-Image-2.0等一系列文生图、图像编辑基座大模型。Qwen-Image团队正在打造全球领先的图像生成技术体系，推动AI在企业服务、开发者生态、个人内容创作等领域的深度应用，引领下一代人工智能的发展。团队专注于研发视觉生成技术，其中研究内容包括但不限于：图像生成、图像编辑、理解生成一体化等，充分探索相关数据及训练方法研究，以期解决计算机视觉基本问题的同时，为 AI 赋予创造力。\n专注于视觉通用大模型的设计、优化与高效部署，具体职责有以下方向：\n1、研究高效的视觉通用大模型架构，应对复杂视觉任务，提升模型的准确性和泛化能力；\n2、优化算子和通信机制，提升模型训练效率，降低硬件资源消耗，提高训练速度和资源利用率；\n3、探索高效的训练策略，包括自适应学习率调整、正则化方法和优化算法选择，提升模型性能和稳定性；\n4、设计和实现自动化评估方法，帮助研发团队及时发现模型不足，优化模型架构和训练策略；\n5、研发数据过滤和标注相关模型，提高数据质量和可用性，为模型训练提供支持。\n\n职位要求\n1. 计算机科学、计算机视觉、人工智能、机器学习、具身智能等领域的博士/硕士毕业生。\n2. 对通用视觉理解或生成模型有一定研究实践，在图像 / 视频 / 3D 等至少一种模态上有实际研发经验。\n3. 熟练掌握 Pytorch/ Megatron 等大模型框架，有优秀的 coding / 工程能力。\n4. 自我驱动力，动手能力强，工作细致，对AI行业有浓厚的兴趣，有较强的学习能力和责任心。\n5. 善于平衡研究目标及落地实现，具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响力。\n6. 关注技术影响力，具有开源开放精神，对基础模型的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。\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：CVPR、ECCV、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。\n3. 具有大规模实战经验。\nQwen-Image（千问图像）团队是阿里巴巴ATH事业群-Token Foundry下的图像生成基座团队，自2025年初成立，前后发布了Qwen-Image, Qwen-Image-Edit, Qwen-Image-2.0等一系列文生图、图像编辑基座大模型。Qwen-Image团队正在打造全球领先的图像生成技术体系，推动AI在企业服务、开发者生态、个人内容创作等领域的深度应用，引领下一代人工智能的发展。团队专注于研发视觉生成技术，其中研究内容包括但不限于：图像生成、图像编辑、理解生成一体化等，充分探索相关数据及训练方法研究，以期解决计算机视觉基本问题的同时，为 AI 赋予创造力。\n专注于视觉通用大模型的设计、优化与高效部署，具体职责有以下方向：\n1、研究高效的视觉通用大模型架构，应对复杂视觉任务，提升模型的准确性和泛化能力；\n2、优化算子和通信机制，提升模型训练效率，降低硬件资源消耗，提高训练速度和资源利用率；\n3、探索高效的训练策略，包括自适应学习率调整、正则化方法和优化算法选择，提升模型性能和稳定性；\n4、设计和实现自动化评估方法，帮助研发团队及时发现模型不足，优化模型架构和训练策略；\n5、研发数据过滤和标注相关模型，提高数据质量和可用性，为模型训练提供支持。\n1. 计算机科学、计算机视觉、人工智能、机器学习、具身智能等领域的博士/硕士毕业生。\n2. 对通用视觉理解或生成模型有一定研究实践，在图像 / 视频 / 3D 等至少一种模态上有实际研发经验。\n3. 熟练掌握 Pytorch/ Megatron 等大模型框架，有优秀的 coding / 工程能力。\n4. 自我驱动力，动手能力强，工作细致，对AI行业有浓厚的兴趣，有较强的学习能力和责任心。\n5. 善于平衡研究目标及落地实现，具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响力。\n6. 关注技术影响力，具有开源开放精神，对基础模型的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。\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：CVPR、ECCV、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。\n3. 具有大规模实战经验。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}