阿里巴巴
Token Foundry-大模型算法工程师-千问文档智能
Token Foundry-大模型算法工程师-千问文档智能
发布于 7 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Nlp
Ocr
Qwen
多模态
大模型
文档智能
机器学习
值不值得投
78综合评分
综合评分 78
前沿文档AI算法岗，技术挑战大、成长性极高、产业落地明确，但WLB可能受限。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
4.3万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2860 个在招 · 其中人工智能 约 330 个
市场机会
选择面较广
杭州 · 人工智能 · 约 390 个在招
职位详情
关于这个职位
该职位负责阿里巴巴千问文档AI模型的核心算法研发与创新，专注于提升模型在复杂文档（如表格、公式、多页文档）上的识别、解析、理解与生成能力
你需要构建文档智能Agent和数据-模型-评测闭环，并推动技术在合同审核、PPT创作等产品中落地，解决真实业务场景下的复杂文档问题
最低要求
本科及以上学历，计算机科学、人工智能、机器学习、模式识别、数学等相关专业优先
具备扎实的机器学习、深度学习和大模型基础
对以下一个或多个方向有完整研究经历或工业界落地经验：多模态大模型、OCR与文档解析、文档理解与信息抽取、长上下文推理、Agent、文档生成、Verifier/Reward Model、大模型训练与对齐
有3年以上相关工作经验者优先
熟悉主流大模型训练和harness框架及大模型训练技术，具备数据构建、模型训练、评测分析、推理优化和服务落地的端到端实践能力
能够针对复杂版面、长尾数据和超长文档等问题设计系统性解决方案
具备独立思考和系统性研究能力，对技术与产品效果有较强的结果意识
敢于挑战现有范式，能够从真实业务问题出发完成算法定义、实验验证、工程实现和规模化落地
工作职责
负责千问文档AI模型的技术创新和研发，围绕文档识别解析、理解推理与创作生成，建设和升级Qwen-OCR、Qwen-Doc等模型能力
重点探索复杂版面、文字与表格识别、图片与图表解析、公式及层级结构还原、多页及超长文档理解、信息抽取与结果溯源等关键技术，持续提升模型效果、效率和泛化能力
负责文档智能Agent及数据—模型—评测闭环建设，开展文档领域数据挖掘与合成、全尺寸模型训练、SFT/RL、长程推理、Verifier/Rubric及自动化评测等算法研发
提升模型的指令遵循、事实一致性、复杂任务规划和自校验能力，推动文档AI从单点能力向端到端Agent演进
推动相关技术在千问模型与文档智能产品中落地，支撑ParseX文档识别解析、合同审核、PPT创作等产品方向，并服务千问办公、千问AI平台、千问App等业务场景，解决真实业务中的复杂文档问题，持续提升产品效果、服务稳定性和规模化调用效率
优先资格
【加分项】在国际顶级会议或期刊，如ICLR、NeurIPS、ICML、ACL、CVPR、ICCV、ECCV等发表过论文
在OCR、文档智能或多模态相关竞赛中取得优秀成绩
拥有高影响力开源项目
具备大型模型训练、企业级文档产品或高并发在线服务经验
AI 洞察
优缺点分析
优点
- 业务落地：技术能快速转化为实际产品价值，看到自己的工作在千万级用户的产品中产生影响
- 平台资源：依托公司的大平台和算力资源，能进行大规模模型训练和数据处理
- 适合对文档智能、多模态AI有浓厚兴趣，既有扎实算法功底又渴望将技术应用于真实复杂场景、追求技术深度和产品影响力的研发工程师
缺点 / 挑战
- 技术前沿：处于大模型与文档智能交叉的热门赛道，能接触到行业最前沿的技术挑战和工程实践
- 技术挑战高：需要解决复杂版面、长尾数据、超长文档等长尾和疑难问题，对算法能力和工程能力要求都很高
- 工作强度：大模型研发迭代快，项目要求高，可能面临较高的工作强度和快速交付压力
- 竞争压力：作为核心团队，对结果有强烈诉求，需要持续产出高水平成果
角色解读
- 技术专家路线：持续深耕文档智能与多模态技术，成为该领域的权威专家，推动行业标准建立
- 技术负责人路线：带领团队负责更大规模的技术方向或产品，从算法研发转向技术规划与团队管理
- 产品/业务结合路线：更深入地参与产品定义和业务决策，成为技术与业务之间的桥梁
- 你负责研发千问大模型在文档领域的垂直能力，比如让AI能精准识别和理解复杂的表格、公式、多页文档
- 你需要设计和构建能自动完成复杂文档任务的Agent系统，并建立完整的数据、模型、评测流程来持续优化它
- 你的工作成果将直接应用于公司实际产品（如文档解析工具、AI办公助手），解决企业客户的真实文档处理难题
- 需要扎实的机器学习、深度学习理论基础，尤其是多模态大模型、OCR、文档理解等相关方向的实战经验
- 必须掌握大模型训练的全流程，包括数据构建、模型训练（SFT/RL）、评测分析和推理优化
- 需要具备将算法从研究到产品落地的全链路能力，能针对复杂业务场景设计系统性解决方案
申请策略
- 仔细研究千问文档智能相关的产品（如ParseX）和业务场景，在面试中展现你对业务需求的理解
- 准备一个能体现你端到端解决问题能力的完整案例（从问题定义、方案设计、实现到效果评估）
- 重点突出与文档理解、OCR、多模态大模型、Agent相关的项目经历，量化说明解决了什么技术难题和带来的效果提升
- 展示对大模型训练全流程的掌握，包括数据构建、SFT/RL、评测体系设计等经验
- 如有顶级会议论文、竞赛成绩或高影响力开源项目，务必显著展示
- 深入研究当前文档智能领域的SOTA模型和方法，特别是针对复杂文档理解的最新进展
- 加强在大模型训练框架（如Megatron, DeepSpeed）和评测方法（如自动化评测、Rubric）方面的实践经验
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化描述你的项目经验
- 对于技术方案题，遵循“问题分析->技术选型->架构设计->细节考量->效果评估”的思路来回答
- 对于开放性问题，结合具体技术点（如长上下文、幻觉问题）和业务场景来阐述你的见解
- 请介绍你处理过的最复杂的文档理解任务，你是如何设计技术方案并解决其中难点的？
- 如果要为一个包含大量表格、图片和复杂公式的文档构建解析系统，你会如何设计模型架构和评测方案？
- 请解释一下SFT（监督微调）和RL（强化学习）在提升文档智能Agent能力上的作用和区别
- 你认为当前文档智能技术最大的瓶颈是什么？你有什么想法来突破它？
- 系统梳理你在多模态、OCR、大模型等方向的知识体系，能清晰讲解核心算法和原理
职位点评
薪资福利75
成长发展95
工作生活55
使命价值85
薪资福利
75中等
岗位对专业技能要求高，属于稀缺人才岗位，结合公司平台，薪资福利应有市场竞争力，但JD未明确提及具体福利。
薪资信号未披露（AI估算：3千–5.5万/月）
成长发展
95较高
该职位深度参与大模型与文档智能前沿技术的研发与落地，技术挑战大，能获得顶尖的技术积累和工程实践机会，成长性极强。
技术前沿前沿/新兴技术
技术栈多模态大模型、OCR、文档理解、Agent、SFT、RL、Verifier、长上下文推理
业务类型profit_center
工作生活
55较低
JD未提及任何工作模式信息，无法判断WLB情况。作为核心技术研发岗，通常面临较高的工作投入要求。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
推动文档AI从单点能力到端到端Agent演进，赋能多个办公产品，具有明确的技术使命和产业应用价值，创新性强。
行业发展高速增长赛道
社会影响中性/一般
使命信号解决真实业务中的复杂文档问题、提升产品效果、服务稳定性和规模化调用效率
创新程度开拓性创新（行业首创）
Watch Jobs