千问全球校园招聘启动：开放25类岗位，包括基模前沿算法、预训练等

8月18日，千问大模型发文招聘。

全文如下：

同学们好！

我们是千问（Qwen）团队，来自阿里巴巴 ATH 事业群 Token Foundry，负责研发阿里的基座大模型 Qwen。不久前，Qwen3.8 刚刚发布并开源，性能位居全球第一梯队。

AI 欢迎年轻人，现在，我们向全球高校在读的你，发出正式邀请。

不需要简历完美，需要的是——你渴望探索 AI 技术的极限，愿意为它写代码、读论文、跑实验，肯下苦功；你享受在社区把东西分享出去，习惯被挑战、再研究、拿出更好的解法；你想做的不是“好一点”，而是做到最好，不是“参与一个大项目”，而是定义下一代模型该长什么样。

为此，我们开放 25 类岗位，几乎覆盖大模型研发的完整链路：基模前沿算法、预训练、Infra、后训练、多模态、Agent、AI 安全、AI for Science/Engineering……你在课堂上学到的每一个方向，这里都有真实的硬问题等着你。

和谁一起？一群把模型做到性能 SOTA、把开源做到全球第一的人。做什么？做更强的模型，用 AI 解决真实世界的难题。

想加入，滑到页底，我们等你。

岗位需求

DIRECTION 01

阿里星顶尖人才计划

1、千问Qwen基础大模型前沿技术研究

聚焦大模型前沿技术，包括但不限于模型架构与学习机制、多模态与多智能体感知交互、数据建设与推理优化、评测与安全体系等领域。

2、千问Qwen训练算法-系统协同前沿技术研究

以算法-系统协同设计为核心，深度参与万卡训练稳定性保障、效率友好的模型结构设计（Fine-Grained MoE、长上下文Attention）、Self-Evolving训练闭环建设。

DIRECTION 02

模型底座：预训练 · 数据 · Infra

3、算法工程师 · 大模型预训练 Pre-training

探索新一代模型结构，包括但不限于 MoE 优化、线性/稀疏注意力、KV Cache 压缩等方向；探索训练优化理论与策略，包括但不限于训练稳定性优化、Optimizer 优化、Scaling Law、知识蒸馏等方向。

4、算法工程师 · 基础模型预训练数据

负责预训练数据的算法设计与体系建设，涵盖数据采集、质量评估、筛选配比与合成优化，构建可持续迭代的数据管线；建设面向mid-train阶段的模型驱动的合成与质检链路；完善数据实验与验证链路，构建覆盖不同模型参数规模的数据scaling研究策略等。

5、基础模型 Infra 研发工程师（训练 / 推理）

负责大模型训练系统优化与高性能推理服务构建，提升大规模分布式训练的MFU与推理服务效率。

DIRECTION 03

后训练与强化学习

6、算法工程师 · 大模型后训练（Post-training）

负责高质量数据合成、强化学习与偏好对齐、自适应链路优化与全链路训练、多 Harness 通用能力构建构建、全链路训练与阶段联动，进行日志挖掘与数据飞轮建设。

7、算法工程师 · 合版算法研究

聚焦合版算法，研究数据策略与冲突消解机制，探索On-policy Distillation、知识融合等先进技术，研究数据策略与冲突消解机制，推动合版评测体系建设等。

8、算法工程师 · 模型自进化

围绕大模型自进化方向开展算法研究，优化模型 RSI能力，为模型注入自动迭代SFT/RL数据、自动挖掘 CPT/PT 训练数据、自动进行 Infra 调优等能力。跟踪自进化训练、自动化数据构造、Agent 能力增强等相关领域前沿进展。

9、算法工程师 · 强化学习

聚焦模型后训练阶段，研究并优化基于人类、AI 及环境反馈的 RL 算法（如 PPO, DPO, GRPO, ORPO 等），提升模型的规则遵循与多目标平衡能力，探索基于RL的Reasoning模型技术，将 RL + LLM 技术应用于实际业务。

10、算法工程师 · 强化学习模型训练

基于PPO/GRPO等RL算法，目标提升大规模RL训练的稳定性与效率，优化端到端 Agentic RL 链路，提升 RL 在长程任务与复杂开放任务中的表现，与研究员和工程师协作，持续迭代 Coding Agent 与 Long-horizon Agent 的训练数据、奖励信号与执行环境等。

DIRECTION 04

奖励、对齐与评测

11、算法工程师 · 大模型 Agentic Reward System

负责Agentic Reward System的设计与训练、迭代，构建支撑大规模Agentic RL训练的奖励信号体系，提升模型在Coding、Agent等场景的对齐质量；探索更多可 Scalable 的 Verifier 信号；提升 Reward Model 在创作、人类偏好、指令遵循等各专项上的能力。

12、算法工程师 · RLHF 算法研究

负责用户偏好采集与建模、Reward Model训练与优化、用户反馈分析与 Badcase 聚类、LLM Judge / Verifier 体系建设、偏好对齐前沿探索。

13、算法工程师 · 大模型评测

深度挖掘大模型在复杂任务、长尾场景中的弱点，参与 LLM-as-a-Judge 方案的设计与实现，设计高效的 Reward Signal（奖励信号）并合成对应数据，参与开发 Evaluation 与 Reward System 所需的工程框架，跟踪全球大模型最新进展。

14、算法工程师 · 评估系统算法

负责模型弱点挖掘与诊断、评测数据集构建、前沿评测方法探索、模型边界能力测试、评测工程框架开发。

DIRECTION 05

多模态 · 全模态 · 多语言

15、算法工程师 · 多模态基础大模型和多模态 Agent

负责Qwen多模态基础模型核心算法研发，包括视觉与视频编码器、跨模态融合架构、视觉Token压缩、世界表征等基础课题。探索面向数字世界与物理世界的多模态Agent新范式，研究多模态感知、推理、规划、记忆、工具调用和环境交互等关键能力。参与建设面向大规模多模态数据研发预训练、后训练、Agent交互和强化学习的大规模数据体系，构建下一代多模态大模型与Agent评测体系。

16、算法工程师 · 全模态基础大模型

参与全模态基础模型核心能力研发，覆盖音视频/音频理解与评测（音画协同、多音频、视频、多说话人识别、美学、基础Counting/Grounding、QA）、音视频 Agentic 与长程任务，以及音视频协同交互与对话（proactive / live 交互）。深度参与Omni pretrain、posttrain、RL 与 Agent 能力增强全流程，探索下一代全模态原生基座大模型的新范式。

17 、算法工程师 · 多语言技术探索与应用

涵盖多语言预训练、评价体系、后训练、多模态对齐与应用技术，推动基座模型向更多语言扩展。

DIRECTION 06

Agent 与 Coding

18 、算法工程师 · Agent 算法研究

围绕Cowork Agent（金融/法律/医疗/设计等）与Computer Use Agent（跨平台人机交互等场景），开展算法研究与工程落地，推动模型在真实复杂任务中的能力演进。参与Envs / Harness Building & Generalization、Data Design & Scaling、Agentic Rewarding & Feedback Modeling等领域。

19、算法工程师 · Agentic Coding 模型训练

提升模型在代码重构、长上下文建模、仓库级代码理解与长程代码生成等真实软件工程任务中的表现；基于SFT与RL训练模型；研究复杂代码任务中的规划、记忆、自我反思与多轮执行能力；与研究员和工程师协作，持续迭代训练数据、评测体系与执行环境等。

20、算法工程师 · AI Agent

研发Agent核心能力模块（Planning、Reasoning、Tool Use、Memory、RAG等），应用RL/SFT/DPO等技术提升复杂任务执行成功率，参与构建高性能、高可用的 Agent 框架或 Runtime 系统，构建端到端的智能体评测体系。

21 、Harness 研究工程师

探索模型与Harness的协同进化，研究模型在VL、Coding、CoWork等维度上的能力边界与自主执行能力；构建 Harness 实验平台，打通执行到训练的反馈闭环；跟踪验证前沿 Harness 研究。

DIRECTION 07

AI 安全

22、算法工程师 · 安全大模型

构建面向网络安全、数据安全、内容安全等垂直领域的基础大模型；设计并构建高质量安全领域训练数据集；与安全产品团队协作，将大模型能力嵌入现有安全产品，实现自动化分析、智能告警、辅助决策等功能；跟踪大模型与安全交叉领域最新进展。

23、算法工程师 · AI 安全

围绕以下主线展开：安全数据集构建与表征学习、模型训练与领域适配、多模态感知与检测算法、Agent 推理与规划算法、对抗安全与评测体系等。

DIRECTION 08

AI for Science/Enginnering

24、算法工程师 · AI for Science

主导面向科学场景的基础模型与核心算法研发，探索端到端的智能建模范式，结合大规模分布式训练与高性能计算，产出高影响力技术成果，推动AI for Science方向的技术沉淀与产品化。

25、算法工程师 · AI for Engineering

将大模型应用于真实工程场景；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；构建面向工程任务的 Agent 系统与评测基准；推动研究成果在真实科研或工业生产场景中的验证与落地；跟进 AI for Engineering 及相关方向的前沿进展等。

如何投递

岗位完整JD、面试流程与投递入口详见阿里巴巴校园招聘官网：

https://campus-talent.alibaba.com/campus/index

来源：千问大模型
编辑：周章云 二审：章娜 三审：何柳斌