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-模型自进化算法专家-Qwen模型训练",
"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": "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、人工智能、自动化等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 围绕模型自进化方向开展算法研究与系统研发，探索大模型能力自动演进的关键路径。\n2. 聚焦Agent任务，为模型注入自动迭代RL/SFT训练数据的能力，包括Agent环境/query/verifier合成、筛选、训练、反馈闭环优化，通过多轮迭代提升训练数据质量。\n3. 为模型注入自动挖掘CPT/PT训练数据的能力，提升预训练和持续训练数据的知识覆盖度、有效性与任务适配性。\n4. 为模型注入自动化训练与自动化Infra调优能力，包括Verl、Megatron等框架的训练策略优化、RL超参搜索、训练稳定性提升、SGLang、vLLM推理效率优化等，提升模型研发效率和性能上限。\n5. 研究基于self-evolving、long-horizon等范式的能力增强方法，提升模型在自迭代任务中的长期规划、任务分解、多步执行与自主反馈优化能力。\n6. 跟踪相关领域前沿进展，结合实际问题开展算法创新、实验验证和系统落地，沉淀可复用的方法与能力。",
"requirements_text": "1. 计算机、人工智能、自动化等相关专业本科及以上学历，硕士/博士优先。\n2. 具备扎实的机器学习、深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术。\n3. 实现过有效的自动化数据构造Pipeline优先。\n4. 实现过自动化训练、超参数优化、训练系统或推理框架优化优先。\n5. 极强的求知欲与学习能力，对新技术保有好奇心；逻辑清晰，善于独立思考并反思总结；具备良好的沟通能力和团队协同意识。\n6. 熟悉Python；具备较强的工程实现能力。\n7. 具备较强科研能力或技术产出能力，有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。",
"skills": [AI生成
"Python",
"机器学习",
"深度学习",
"模型训练",
"沟通能力",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "1. 计算机、人工智能、自动化等相关专业本科及以上学历，硕士/博士优先；3. 实现过有效的自动化数据构造Pipeline优先；4. 实现过自动化训练、超参数优化、训练系统或推理框架优化优先；7. 具备较强科研能力或技术产出能力，有高水平论文、开源项目、竞赛成绩或实际落地成果者优先",
"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=100022900004"
}
]
},
"posting": {
"posting_id": "100022900004",
"post_date": "2026-09-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100022900004"
},
"fulltext": "Token Foundry-模型自进化算法专家-Qwen模型训练\nToken Foundry-模型自进化算法专家-Qwen模型训练\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\n1. 围绕模型自进化方向开展算法研究与系统研发，探索大模型能力自动演进的关键路径。\n2. 聚焦Agent任务，为模型注入自动迭代RL/SFT训练数据的能力，包括Agent环境/query/verifier合成、筛选、训练、反馈闭环优化，通过多轮迭代提升训练数据质量。\n3. 为模型注入自动挖掘CPT/PT训练数据的能力，提升预训练和持续训练数据的知识覆盖度、有效性与任务适配性。\n4. 为模型注入自动化训练与自动化Infra调优能力，包括Verl、Megatron等框架的训练策略优化、RL超参搜索、训练稳定性提升、SGLang、vLLM推理效率优化等，提升模型研发效率和性能上限。\n5. 研究基于self-evolving、long-horizon等范式的能力增强方法，提升模型在自迭代任务中的长期规划、任务分解、多步执行与自主反馈优化能力。\n6. 跟踪相关领域前沿进展，结合实际问题开展算法创新、实验验证和系统落地，沉淀可复用的方法与能力。\n\n职位要求\n1. 计算机、人工智能、自动化等相关专业本科及以上学历，硕士/博士优先。\n2. 具备扎实的机器学习、深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术。\n3. 实现过有效的自动化数据构造Pipeline优先。\n4. 实现过自动化训练、超参数优化、训练系统或推理框架优化优先。\n5. 极强的求知欲与学习能力，对新技术保有好奇心；逻辑清晰，善于独立思考并反思总结；具备良好的沟通能力和团队协同意识。\n6. 熟悉Python；具备较强的工程实现能力。\n7. 具备较强科研能力或技术产出能力，有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。\n1. 围绕模型自进化方向开展算法研究与系统研发，探索大模型能力自动演进的关键路径。\n2. 聚焦Agent任务，为模型注入自动迭代RL/SFT训练数据的能力，包括Agent环境/query/verifier合成、筛选、训练、反馈闭环优化，通过多轮迭代提升训练数据质量。\n3. 为模型注入自动挖掘CPT/PT训练数据的能力，提升预训练和持续训练数据的知识覆盖度、有效性与任务适配性。\n4. 为模型注入自动化训练与自动化Infra调优能力，包括Verl、Megatron等框架的训练策略优化、RL超参搜索、训练稳定性提升、SGLang、vLLM推理效率优化等，提升模型研发效率和性能上限。\n5. 研究基于self-evolving、long-horizon等范式的能力增强方法，提升模型在自迭代任务中的长期规划、任务分解、多步执行与自主反馈优化能力。\n6. 跟踪相关领域前沿进展，结合实际问题开展算法创新、实验验证和系统落地，沉淀可复用的方法与能力。\n1. 计算机、人工智能、自动化等相关专业本科及以上学历，硕士/博士优先。\n2. 具备扎实的机器学习、深度学习基础，熟悉大模型训练、对齐、微调或推理优化相关技术。\n3. 实现过有效的自动化数据构造Pipeline优先。\n4. 实现过自动化训练、超参数优化、训练系统或推理框架优化优先。\n5. 极强的求知欲与学习能力，对新技术保有好奇心；逻辑清晰，善于独立思考并反思总结；具备良好的沟通能力和团队协同意识。\n6. 熟悉Python；具备较强的工程实现能力。\n7. 具备较强科研能力或技术产出能力，有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}