阿里巴巴
Token Foundry-视觉语言大模型算法工程师-Qwen
Token Foundry-视觉语言大模型算法工程师-Qwen
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Pytorch
Rlhf
Scaling Law
Sft
多模态大模型
强化学习
模型蒸馏
计算机视觉
值不值得投
82综合评分
综合评分 82
阿里通义大模型核心研发岗，技术前沿且成长空间极大，薪资竞争力强，但工作强度与研发压力较高。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
4.8万
比计算机视觉工程中位数高
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 2940 个在招 · 其中计算机视觉工程 28 个
市场机会
选择面较广
杭州 · 计算机视觉工程 · 68 个在招
职位详情
关于这个职位
该职位主要负责多模态视觉语言大模型（Qwen）的预训练、后训练及推理优化，探索统一理解与生成的新范式
你需要运用深度学习技术提升模型在复杂任务中的推理与交互能力，推动前沿AI研究成果的实际落地
最低要求
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
较强的代码能力，擅长模型训练及数据处理
精通Python及PyTorch等深度学习框架
熟悉Transformer架构以及CV、大语言模型基础知识
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
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
工作职责
多模态Pre-training：开展研究及进行实验
研究内容包括：数据清洗与筛选、数据配比优化、课程学习、视觉语言模型结构设计与优化、训练策略优化、预训练数据合成、scaling law预测、词表优化、模型蒸馏与压缩、长上下文能力优化等
多模态Post-training：迭代Post-training训练策略（SFT/RLHF），专项能力数据迭代，参与模型能力评测及评测数据和评估标准的迭代
多模态推理和通用Agent：通过强化学习（RL）持续提升多模态模型推理能力和执行任务能力，打造多模态的Test Scaling Laws，并推动模型对网络和虚拟世界的交互和任务完成能力
统一理解生成：构建视觉统一理解生成大模型，推进多模态统一生成与理解的推理和交互新范式
优先资格
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
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
具有大规模预训练实战经验
AI 洞察
优缺点分析
优点
- 参与通义千问（Qwen）等业界顶尖开源大模型的研发，技术视野与行业影响力极佳
- 接触最前沿的多模态、Agent及Scaling Law研究，个人技术壁垒与核心竞争力提升迅速
- 大模型研发竞争激烈，技术迭代极快，需要持续追踪顶会论文并保持高强度的研究与实验
- 适合拥有计算机视觉或自然语言处理硕博背景，有顶会论文或知名开源项目经验，对大模型底层技术有极致追求的顶尖技术人才
缺点 / 挑战
- 平衡学术创新与工程落地、处理海量数据与算力调度可能面临较大的技术与协作压力
角色解读
- 从多模态算法研究员成长为大模型核心技术专家，未来可向多模态架构师、AI科学家方向发展
- 在开源社区建立个人技术影响力，成为大模型基础架构领域的领军人物
- 负责Qwen多模态视觉语言大模型的预训练与后训练策略迭代，优化模型结构与数据处理流程
- 通过强化学习提升模型推理与Agent任务执行能力，探索多模态统一理解与生成的新范式
- 精通Python与PyTorch，深入理解Transformer架构及CV/LLM底层原理
- 具备扎实的深度学习理论基础与大规模模型训练实战经验，能平衡学术研究与工程落地
申请策略
- 了解阿里通义实验室的研究方向与开源生态，准备好对大模型Scaling Law、多模态数据配比等核心问题的深度思考与技术见解
- 重点突出在CVPR/NeurIPS等顶会发表的论文成果，以及在多模态、大模型预训练或强化学习方面的具体项目经验
- 展示知名开源项目贡献或大规模模型训练的算力优化与工程落地能力
- 深入研读Qwen系列模型的技术报告与最新多模态大模型的前沿论文，掌握最新技术动态
- 提升分布式训练、RLHF及Agent框架的代码实现与调优能力，强化工程落地水平
面试指南
- 采用STAR法则，重点突出问题背景、技术选型思考、实验对比数据以及最终的业务或学术收益
- 对于开放性问题，先阐述行业现状与主流方案，再提出自己的独立思考与创新假设，展现系统性研究思维
- 请详细介绍你在多模态预训练或后训练（SFT/RLHF）中解决过的最复杂的技术难题及解决方案
- 如何看待当前视觉语言大模型在统一理解与生成上的瓶颈？你认为未来的突破点在哪里？
- 在强化学习提升多模态模型推理能力的过程中，如何设计奖励函数以避免Reward Hacking？
- 请分享一次你通过优化数据配比或训练策略显著提升模型性能的经历
- 复习Transformer底层机制、RLHF/PPO算法原理及多模态对齐技术，确保基础理论扎实
- 准备1-2个自己主导的、具有技术深度的大模型训练或优化项目案例，并能清晰画出系统架构图
职位点评
薪资福利85
成长发展95
工作生活50
使命价值90
薪资福利
85较高
该职位对算法研究与工程落地能力要求极高，属于当前AI领域核心研发方向，结合北京/杭州同类岗位的市场行情，能较好地满足物质回报需求。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
95较高
处于AI大模型最前沿领域，参与Qwen核心研发，技术成长空间与行业影响力极大，能充分满足技术极客的发展诉求。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformer、多模态大模型、SFT、RLHF、强化学习、Scaling Law
成长机会推动研究成果快速落地并产生实际影响力、关注技术影响力、具有开源开放精神
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，无法明确判断工作强度与通勤情况，生活化动机满足程度受限。
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
90较高
推动通用人工智能与多模态大模型发展，具有极高的科技使命感与行业变革意义，能带来强烈的成就感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动研究成果快速落地并产生实际影响力、推动模型对网络和虚拟世界的交互和任务完成能力
创新程度开拓性创新（行业首创）
Watch Jobs