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": "Qwen-Image 图像生成RL算法实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、数学、人工智能等相关专业硕士/博士在读",
"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年初成立以来，先后发布了Qwen-Image、Qwen-Image-Edit、Qwen-Image-2.0等一系列业界领先的文生图与图像编辑基座大模型。团队正在打造全球领先的视觉生成技术体系，推动AI在企业服务、开发者生态及个人内容创作等领域的深度应用。我们专注于研发前沿视觉生成技术，充分探索数据与训练方法，旨在解决计算机视觉基本问题的同时，为AI赋予真正的创造力。\n作为RL算法实习生，你将深度参与视觉生成大模型的后训练（Post-training）与人类偏好对齐工作，具体职责包括：\n1、Reward Model（奖励模型）研发：负责高质量奖励模型的设计与训练，探索基于VLM的复合奖励信号（如逐点评分、思维链推理等），提升模型在图文一致性、美学质感、指令遵循及人脸身份一致性等维度的判别精度与泛化性能。\n2、RL对齐算法优化：深入研究并落地主流强化学习及偏好对齐算法（如GRPO、RLHF等），优化图像生成与编辑任务的RL策略迭代，解决Reward Hacking问题，提升模型在复杂任务中的表现与稳定性。\n3、多任务统一与策略蒸馏：探索面向多任务（如文生图与图像编辑）的联合训练与优化方案，参与在线策略蒸馏（OPD）等前沿技术的研发，将多任务教师模型合并为统一的生成模型，在不牺牲各任务质量的前提下实现能力统一。\n4、偏好数据体系建设：与数据团队紧密合作，构建和优化人类偏好数据（Preference Data）流程，设计高效的数据采样与质量控制策略，探索利用强模型辅助生成高质量偏好数据（RLAIF），通过数据飞轮驱动模型效果提升。\n5、前沿技术跟踪与落地：持续跟踪视觉生成与强化学习交叉领域的最新研究进展，结合Qwen-Image业务场景探索新的算法优化方向，撰写高质量技术报告，保持团队在该领域的技术领先性。",
"requirements_text": "1、计算机、数学、人工智能等相关专业硕士/博士在读，每周可实习5天，持续实习6个月及以上。\n2、具备扎实的计算机视觉、深度学习与强化学习基础知识，深入理解强化学习基本原理，熟悉PPO、GRPO等大模型主流对齐算法。\n3、有视觉生成模型（扩散模型/流匹配模型）或大语言模型后训练（SFT -> RM -> RL）完整流程实战经验者优先。\n4、熟练掌握Python编程语言与PyTorch等主流深度学习框架，具备优秀的代码实现能力与大规模模型训练调优经验。\n5、自我驱动力强，对AI行业有浓厚兴趣，具备出色的问题分析与解决能力，能够独立定位RL训练中的不稳定性与收敛问题。\n6、具有良好的沟通协作能力与Owner意识，能够与数据、工程及产品团队紧密配合，推动算法从验证到业务上线。\n加分项：\n1、在计算机视觉或AI领域顶级会议/期刊（如CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR等）上有强化学习、大模型对齐或视觉生成相关的高质量论文发表。\n2、在知名开源社区（如GitHub）发布过有影响力的视觉生成或RL相关项目，或对主流开源项目有核心贡献。\n3、具备ACM/ICPC/NOIP等算法竞赛获奖经历，或在相关AI竞赛中获得引领性研究成果。\n4、熟悉VERL等主流大模型训练框架，具备分布式训练和显存优化经验者优先。",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"强化学习",
"计算机视觉",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "3、有视觉生成模型（扩散模型/流匹配模型）或大语言模型后训练（SFT -> RM -> RL）完整流程实战经验者优先；加分项：；4、熟悉VERL等主流大模型训练框架，具备分布式训练和显存优化经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908320002?deptCodes="
}
]
},
"posting": {
"posting_id": "199908320002",
"post_date": "2026-07-28",
"hire_time": "1、计算机、数学、人工智能等相关专业硕士/博士在读，每周可实习5天，持续实习6个月及以上",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908320002?deptCodes="
},
"fulltext": "Qwen-Image 图像生成RL算法实习生\nQwen-Image 图像生成RL算法实习生\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\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年初成立以来，先后发布了Qwen-Image、Qwen-Image-Edit、Qwen-Image-2.0等一系列业界领先的文生图与图像编辑基座大模型。团队正在打造全球领先的视觉生成技术体系，推动AI在企业服务、开发者生态及个人内容创作等领域的深度应用。我们专注于研发前沿视觉生成技术，充分探索数据与训练方法，旨在解决计算机视觉基本问题的同时，为AI赋予真正的创造力。\n作为RL算法实习生，你将深度参与视觉生成大模型的后训练（Post-training）与人类偏好对齐工作，具体职责包括：\n1、Reward Model（奖励模型）研发：负责高质量奖励模型的设计与训练，探索基于VLM的复合奖励信号（如逐点评分、思维链推理等），提升模型在图文一致性、美学质感、指令遵循及人脸身份一致性等维度的判别精度与泛化性能。\n2、RL对齐算法优化：深入研究并落地主流强化学习及偏好对齐算法（如GRPO、RLHF等），优化图像生成与编辑任务的RL策略迭代，解决Reward Hacking问题，提升模型在复杂任务中的表现与稳定性。\n3、多任务统一与策略蒸馏：探索面向多任务（如文生图与图像编辑）的联合训练与优化方案，参与在线策略蒸馏（OPD）等前沿技术的研发，将多任务教师模型合并为统一的生成模型，在不牺牲各任务质量的前提下实现能力统一。\n4、偏好数据体系建设：与数据团队紧密合作，构建和优化人类偏好数据（Preference Data）流程，设计高效的数据采样与质量控制策略，探索利用强模型辅助生成高质量偏好数据（RLAIF），通过数据飞轮驱动模型效果提升。\n5、前沿技术跟踪与落地：持续跟踪视觉生成与强化学习交叉领域的最新研究进展，结合Qwen-Image业务场景探索新的算法优化方向，撰写高质量技术报告，保持团队在该领域的技术领先性。\n\n职位要求\n1、计算机、数学、人工智能等相关专业硕士/博士在读，每周可实习5天，持续实习6个月及以上。\n2、具备扎实的计算机视觉、深度学习与强化学习基础知识，深入理解强化学习基本原理，熟悉PPO、GRPO等大模型主流对齐算法。\n3、有视觉生成模型（扩散模型/流匹配模型）或大语言模型后训练（SFT -> RM -> RL）完整流程实战经验者优先。\n4、熟练掌握Python编程语言与PyTorch等主流深度学习框架，具备优秀的代码实现能力与大规模模型训练调优经验。\n5、自我驱动力强，对AI行业有浓厚兴趣，具备出色的问题分析与解决能力，能够独立定位RL训练中的不稳定性与收敛问题。\n6、具有良好的沟通协作能力与Owner意识，能够与数据、工程及产品团队紧密配合，推动算法从验证到业务上线。\n加分项：\n1、在计算机视觉或AI领域顶级会议/期刊（如CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR等）上有强化学习、大模型对齐或视觉生成相关的高质量论文发表。\n2、在知名开源社区（如GitHub）发布过有影响力的视觉生成或RL相关项目，或对主流开源项目有核心贡献。\n3、具备ACM/ICPC/NOIP等算法竞赛获奖经历，或在相关AI竞赛中获得引领性研究成果。\n4、熟悉VERL等主流大模型训练框架，具备分布式训练和显存优化经验者优先。\n\n在招业务\nToken Foundry\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年初成立以来，先后发布了Qwen-Image、Qwen-Image-Edit、Qwen-Image-2.0等一系列业界领先的文生图与图像编辑基座大模型。团队正在打造全球领先的视觉生成技术体系，推动AI在企业服务、开发者生态及个人内容创作等领域的深度应用。我们专注于研发前沿视觉生成技术，充分探索数据与训练方法，旨在解决计算机视觉基本问题的同时，为AI赋予真正的创造力。\n作为RL算法实习生，你将深度参与视觉生成大模型的后训练（Post-training）与人类偏好对齐工作，具体职责包括：\n1、Reward Model（奖励模型）研发：负责高质量奖励模型的设计与训练，探索基于VLM的复合奖励信号（如逐点评分、思维链推理等），提升模型在图文一致性、美学质感、指令遵循及人脸身份一致性等维度的判别精度与泛化性能。\n2、RL对齐算法优化：深入研究并落地主流强化学习及偏好对齐算法（如GRPO、RLHF等），优化图像生成与编辑任务的RL策略迭代，解决Reward Hacking问题，提升模型在复杂任务中的表现与稳定性。\n3、多任务统一与策略蒸馏：探索面向多任务（如文生图与图像编辑）的联合训练与优化方案，参与在线策略蒸馏（OPD）等前沿技术的研发，将多任务教师模型合并为统一的生成模型，在不牺牲各任务质量的前提下实现能力统一。\n4、偏好数据体系建设：与数据团队紧密合作，构建和优化人类偏好数据（Preference Data）流程，设计高效的数据采样与质量控制策略，探索利用强模型辅助生成高质量偏好数据（RLAIF），通过数据飞轮驱动模型效果提升。\n5、前沿技术跟踪与落地：持续跟踪视觉生成与强化学习交叉领域的最新研究进展，结合Qwen-Image业务场景探索新的算法优化方向，撰写高质量技术报告，保持团队在该领域的技术领先性。\n1、计算机、数学、人工智能等相关专业硕士/博士在读，每周可实习5天，持续实习6个月及以上。\n2、具备扎实的计算机视觉、深度学习与强化学习基础知识，深入理解强化学习基本原理，熟悉PPO、GRPO等大模型主流对齐算法。\n3、有视觉生成模型（扩散模型/流匹配模型）或大语言模型后训练（SFT -> RM -> RL）完整流程实战经验者优先。\n4、熟练掌握Python编程语言与PyTorch等主流深度学习框架，具备优秀的代码实现能力与大规模模型训练调优经验。\n5、自我驱动力强，对AI行业有浓厚兴趣，具备出色的问题分析与解决能力，能够独立定位RL训练中的不稳定性与收敛问题。\n6、具有良好的沟通协作能力与Owner意识，能够与数据、工程及产品团队紧密配合，推动算法从验证到业务上线。\n加分项：\n1、在计算机视觉或AI领域顶级会议/期刊（如CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR等）上有强化学习、大模型对齐或视觉生成相关的高质量论文发表。\n2、在知名开源社区（如GitHub）发布过有影响力的视觉生成或RL相关项目，或对主流开源项目有核心贡献。\n3、具备ACM/ICPC/NOIP等算法竞赛获奖经历，或在相关AI竞赛中获得引领性研究成果。\n4、熟悉VERL等主流大模型训练框架，具备分布式训练和显存优化经验者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}