岗位职责
- 合版核心算法研究：探索 On-policy Distillation、知识融合等先进技术，研究更优的 SFT Objective，实现多能力模型的高效合版，最大程度减少能力冲突与遗忘。
- 数据策略与冲突消解：深入分析不同能力域的数据配比，建立系统化的冲突检测与消解机制，制定科学的合版数据策略，保障模型在各项能力上的均衡与稳定。
- 合版评测体系建设：设计并推进高效、快速的合版评测方案，构建覆盖多维能力的自动化评测 Pipeline，实现合版效果的快速迭代与精准度量。
- 合版链路自动化：推动合版全流程的工程化与自动化，包括训练、评测、对比分析、版本管理等环节，提升模型交付的效率与可靠性。
- 前沿技术追踪与落地：持续关注模型融合、蒸馏、多任务学习等领域的前沿进展，将有效方法快速验证并落地到Qwen的合版实践中。
职位要求
- 计算机、机器学习、人工智能等相关专业，硕士及以上学历，博士优先。
- 具有大模型 Post-training（SFT / RL 等）或模型蒸馏、模型融合相关方向的实践经验。
- 精通 Python 及 PyTorch 等深度学习框架，具备扎实的工程实现能力，能够独立完成从算法研究到工程落地的全链路工作。
- 对数据敏感，具备良好的数据分析能力，能够系统性地定位模型能力瓶颈并制定优化策略。 加分项
- 熟悉 LLM 训练框架（如 Megatron-LM、DeepSpeed、FSDP）及推理引擎（如 vLLM、SGLang）的实现原理。
- 曾在 NeurIPS、ICLR、ICML、ACL 等顶级会议发表论文，在模型融合、知识蒸馏、多任务学习等方向具有一定学术影响力。
- 拥有知名开源项目贡献经历，在开源社区具有较好的影响力。
- 有大规模模型交付或版本迭代管理经验，熟悉模型从训练到上线的完整生命周期。
