岗位职责

你将加入 Qwen 团队，参与 Coding Agent 的 Mid-Train 数据与算法研究，围绕大规模 Agent 轨迹筛选与提纯、复杂任务合成、训练数据配比及效果验证，提升模型在真实软件开发场景中的推理、工具使用和长程任务执行能力。具体工作包括：

大规模轨迹筛选与提纯：参与真实 Coding Agent 轨迹的质量建模、自动标注与价值筛选；结合任务难度、行为质量和人类反馈等信号，提高数据的有效性与多样性。
复杂任务合成与规模化。从真实需求、代码仓库和模型能力短板出发，合成覆盖缺陷修复、功能开发、代码重构、测试及工程实践等场景的多步任务；参与执行环境、测试用例与自动验证机制建设，迭代任务的正确性、难度与多样性。
数据配比与训练验证。参与 Coding Agent Mid-Train 数据配方设计，在可比训练预算下，围绕数据来源、任务分布、质量、难度等维度开展消融实验；跟踪训练表现、下游 SFT / RL 效果及真实任务体验，分析不同数据策略的收益与适用范围，推动实验结论进入训练配方。

职位要求

计算机科学、人工智能、机器学习、深度学习、软件工程或相关专业在读硕士/博士，具备扎实的数理基础和编程基础。
对大语言模型或多模态大模型有浓厚兴趣，了解深度学习、模型训练、优化算法、生成式模型、自监督学习等方向中的一个或多个；具备相关课程、项目或科研经历者优先。
具备较强的学习能力和研究潜力，能够快速理解并复现前沿论文、跟踪技术进展；有论文、开源项目、竞赛或高质量技术实践经历者优先。
具备良好的代码能力，熟悉 Python 及主流深度学习框架（如 PyTorch / TensorFlow）；有 ACM/ICPC、Topcoder 等编程竞赛经历者优先。
具备主动思考和探索精神，对 AI 前沿技术保持好奇心，愿意深入钻研并持续提升自己的技术能力。
具备良好的团队协作和沟通能力，能够与工程、产品等团队配合完成任务。