千问Qwen基础大模型前沿技术研究-阿里星

职位描述 千问Qwen是由阿里巴巴自主研发的超大规模语言模型，具备跨语言、跨任务、跨模态的理解能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的基础大模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 千问Qwen基础大模型前沿技术研究，团队在多个方向上进行探索（具体如下罗列），若你对以下一个或者多个课题感兴趣均欢迎投递： 1. 模型架构与学习机制探索： （1）预训练与后训练技术：通过预训练数据优化策略、模型结构优化等方式持续提升模型的世界知识、推理泛化与agent能力，探索Scaling Law的新边界。深入研究强化学习、self-improve等后训练算法，激发模型的能力上限。 （2）Self-Evolving机制：突破静态模型的局限，探索大模型在开放动态环境下的持续学习与自我迭代能力。研究基于在线强化学习、自我博弈与合成数据反馈的自优化闭环，使模型能够在真实交互中不断突破自身能力，持续进化。 （2）下一代学习范式：探索超越传统Next-Token Prediction的新架构与新目标函数，为AGI寻找更高效、更通用的学习路径。 2. 多模态与多智能体感知交互系统： （1）Omni基座模型：打造Native Omni的基座模型，实现文本、语音、视觉等多模态信息的一体化理解与生成；构建具备物理常识与时空一致性的世界模型，为具身智能、自动驾驶等领域提供可泛化的环境模拟器。 （2）Coding Agent：开发超智能的Coding Agent，打通自然语言与代码执行之间的语义鸿沟；赋予模型仓库级代码理解、跨文件重构、自动化测试生成与debug能力，使其成为真正的“AI软件工程师”，重塑软件开发范式。 （3）Long-Horizon Agent：构建具备长期记忆、持久运行与跨会话状态管理能力的智能体系统，攻克长程任务规划、异步执行监控、自主纠偏与资源调度等核心难题，使AI能够在数小时乃至跨天的时间跨度内，无人值守地完成复杂项目交付、数据分析与自动化工作流。真正解决办公、金融、电商、法律、编程等行业的长程困难任务。 （4）AutoResearch：打造面向科学发现的AutoResearch系统，利用大模型强大的语义理解与逻辑推理能力，实现文献自动综述、假设生成、实验代码编写、结果验证与论文撰写的端到端闭环；探索AI for Science的新范式，加速基础学科的研究进程。 （5）下一代AI交互系统：在GUI Agent、视频理解等前沿场景，探索AI自主执行、工具调用与环境适应的可能性，推动大模型从“对话式AI”向“通用任务执行体”演进。 3. 数据建设与性能优化： （1）数据工程与高质量数据飞轮：设计并构建高效、可扩展的端到端数据处理管线，持续提升自然语言、代码、多模态等数据的质量与规模。 （2）训练与推理全链路协同优化：探索模型高并发服务下，算法及系统框架侧技术创新与优化，打通训练与推理的技术边界，实现从预训练到线上服务的全栈效能提升。 4. 评测与安全体系 （1）构建覆盖推理、生成、可控性、长程任务执行、代码能力、多模态理解、工具调用等多个维度的端到端动态评测体系；突破传统静态benchmark局限，探索基于真实业务场景的在线评估、人机协同标注、对抗性测试、过程奖励建模等新型评测方法。 （2）关注模型内生安全，追求 AI 对人类有益且可控，深入研究对抗攻击检测、伦理约束建模等工作。 职位要求 1. 来自全球Top高校计算机科学、人工智能、机器学习、深度学习、软件工程或相关领域应届博士/顶尖硕士毕业生； 2. 在大语言模型或多模态大模型领域有扎实的理论基础和实践经验，在深度学习、大规模模型训练、优化算法、生成式模型、自监督学习等至少一个领域中具有行业影响力的创新性成果； 3. 在国际顶级计算机会议/期刊以一作身份发表过多篇高水平论文，或在开源社区、竞赛中展示出引领性的研究成果； 4. 具备扎实的代码功底，熟悉主流深度学习框架，能够高效实现复杂模型结构并进行大规模模型训练（曾参与千卡集群项目者优先）；ACM/ICPC，topcoder等编程比赛获奖者优先； 5. 对AI技术充满好奇心，持续关注前沿领域，具备独立思考能力和系统性研究思维，敢于挑战现有范式，有志于定义下一代基础模型的进化方向；能够独立应用技术解决复杂问题，主导或深度参与过有行业有影响力项目的人选优先； 6. 具备优秀的跨团队协作和沟通能力，能够与工程、产品等团队紧密合作，推动研究成果快速落地并产生实际影响力。