主分类：通用算法研发（其他方向）
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-AI for Science/Engineering 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 / 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、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. AI for Science 方向\n（1）包括但不限于构建面向生物（基因组分析、蛋白质功能预测等）、化学（分子性质预测、逆合成规划等）等领域的 Agent 系统、Science harness，整合领域专用工具与知识库。\n（2）设计科学推理评测基准，评估并提升模型在自动探索、工具调用、实验设计等任务上的表现，同时构造训练数据与环境优化Qwen模型在科学领域的表现。\n（3）探索 AI 驱动的科学发现闭环：假设生成、实验设计、 结果验证、知识更新，提升模型科学领域Auto Research能力。\n2. AI for Engineering 方向\n（1）将大模型应用于芯片设计EDA、工业设计CAD、金融工程、工业自动化、kernel调优等工程问题，训练模型在真实生产环境中的自进化能力，通过持续学习发掘更优算法与设计。\n（2）研究基于self-evolving、long-horizon、multi-agent等范式的能力增强方法，提升Qwen模型在工程优化领域的表现。\n3. 与跨学科团队紧密协作，推动研究成果在真实科研或工程场景中的验证与落地。\n4. 跟踪科学与工程智能及相关方向的前沿进展，围绕关键问题开展算法创新、实验分析与技术沉淀。",
"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. 满足以下条件之一者优先：\n（1）在科学研究或复杂工程领域具备较强的专业理解与积累，能够准确把握领域内的重要问题、核心参与方、关键数据资源和前沿发展方向；在相关方向具备较强的行业敏感度。\n（2）已在实际科学研究或工业领域将大模型深度融入工作流程，能够从领域问题出发完成方法设计、方案落地与效果迭代，并对AI与领域交叉方向的发展趋势形成较成熟的判断。\n3. 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。\n4. 熟悉Python；具备较强的工程实现能力。\n5. 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",
"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；2. 满足以下条件之一者优先：；5. 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=100022900005"
}
]
},
"posting": {
"posting_id": "100022900005",
"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=100022900005"
},
"fulltext": "Token Foundry-AI for Science/Engineering 算法专家-Qwen模型训练\nToken Foundry-AI for Science/Engineering 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 / 上海\n\n职位描述\n1. AI for Science 方向\n（1）包括但不限于构建面向生物（基因组分析、蛋白质功能预测等）、化学（分子性质预测、逆合成规划等）等领域的 Agent 系统、Science harness，整合领域专用工具与知识库。\n（2）设计科学推理评测基准，评估并提升模型在自动探索、工具调用、实验设计等任务上的表现，同时构造训练数据与环境优化Qwen模型在科学领域的表现。\n（3）探索 AI 驱动的科学发现闭环：假设生成、实验设计、 结果验证、知识更新，提升模型科学领域Auto Research能力。\n2. AI for Engineering 方向\n（1）将大模型应用于芯片设计EDA、工业设计CAD、金融工程、工业自动化、kernel调优等工程问题，训练模型在真实生产环境中的自进化能力，通过持续学习发掘更优算法与设计。\n（2）研究基于self-evolving、long-horizon、multi-agent等范式的能力增强方法，提升Qwen模型在工程优化领域的表现。\n3. 与跨学科团队紧密协作，推动研究成果在真实科研或工程场景中的验证与落地。\n4. 跟踪科学与工程智能及相关方向的前沿进展，围绕关键问题开展算法创新、实验分析与技术沉淀。\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. 满足以下条件之一者优先：\n（1）在科学研究或复杂工程领域具备较强的专业理解与积累，能够准确把握领域内的重要问题、核心参与方、关键数据资源和前沿发展方向；在相关方向具备较强的行业敏感度。\n（2）已在实际科学研究或工业领域将大模型深度融入工作流程，能够从领域问题出发完成方法设计、方案落地与效果迭代，并对AI与领域交叉方向的发展趋势形成较成熟的判断。\n3. 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。\n4. 熟悉Python；具备较强的工程实现能力。\n5. 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. AI for Science 方向\n（1）包括但不限于构建面向生物（基因组分析、蛋白质功能预测等）、化学（分子性质预测、逆合成规划等）等领域的 Agent 系统、Science harness，整合领域专用工具与知识库。\n（2）设计科学推理评测基准，评估并提升模型在自动探索、工具调用、实验设计等任务上的表现，同时构造训练数据与环境优化Qwen模型在科学领域的表现。\n（3）探索 AI 驱动的科学发现闭环：假设生成、实验设计、 结果验证、知识更新，提升模型科学领域Auto Research能力。\n2. AI for Engineering 方向\n（1）将大模型应用于芯片设计EDA、工业设计CAD、金融工程、工业自动化、kernel调优等工程问题，训练模型在真实生产环境中的自进化能力，通过持续学习发掘更优算法与设计。\n（2）研究基于self-evolving、long-horizon、multi-agent等范式的能力增强方法，提升Qwen模型在工程优化领域的表现。\n3. 与跨学科团队紧密协作，推动研究成果在真实科研或工程场景中的验证与落地。\n4. 跟踪科学与工程智能及相关方向的前沿进展，围绕关键问题开展算法创新、实验分析与技术沉淀。\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. 满足以下条件之一者优先：\n（1）在科学研究或复杂工程领域具备较强的专业理解与积累，能够准确把握领域内的重要问题、核心参与方、关键数据资源和前沿发展方向；在相关方向具备较强的行业敏感度。\n（2）已在实际科学研究或工业领域将大模型深度融入工作流程，能够从领域问题出发完成方法设计、方案落地与效果迭代，并对AI与领域交叉方向的发展趋势形成较成熟的判断。\n3. 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。\n4. 熟悉Python；具备较强的工程实现能力。\n5. 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": "T033",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}