538 Machine Learning jobs
Machine learning roles training and shipping ML models to production.
Token Foundry-基础大模型 Post-Training 算法研究员-杭州/北京
1. 负责大模型 Post-Training 全链路算法建设，覆盖 Pre-SFT、SFT、RLHF、RLVR（PPO / DPO / GRPO 等）各阶段的算法调优与策略设计，提升模型在指令遵循、工具调用、安全合规、多轮交互、long horizon task 等核心维度的综合能力。 2. 负责 Reward Model 的设计、训练与迭代优化，构建 Verifier、LLM as Judge、Rule 等多元 Reward…
Token Foundry-大模型Post-training算法研究员-Qwen
千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。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、Qwen-Image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…
Token Foundry-大模型算法研究员-Qwen Agent
1. Agent模型后训练： 负责大模型在Agent场景下的后训练（Post-training）工作，提升模型在复杂Agent任务中的表现。 2. 强化学习与RL探索： 设计并优化基于强化学习（RL）的Agent训练框架，提升模型的长期规划能力、试错反思能力及工具调用准确率。 3. 核心能力构建： 针对Agent的核心能力进行专项模型训练与对齐优化。 4. 行业解决方案落地：…
Token Foundry-大模型音视频理解算法研究员-Qwen
1. 音频/音视频 Agentic能力: 原生音视频Agentic/Long-horizon, 全模态Agentic/Coding不降智等。 2. 音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。 3. 音频/语音理解基础能力: 包括ASR, MultiSpkASR,…
Token Foundry-大模型预训练算法工程师-Qwen
1. 预训练数据：大规模预训练数据合成技术探索、STEM & reasoning 优化、长尾知识优化、精品数据挖掘过滤、自然数据 scaling、长文本优化、面向 test-time scaling 的数据优化。 2. 预训练策略：新型预训练损失函数探索、遗忘对抗与持续学习、optimizer 优化、lr scheduler 优化、课程学习、scaling law 预测、超参优化。 3.…
Token Foundry-训练系统算法工程师-Qwen
1. 训练策略设计与优化： 深入理解预训练与RL后训练（如PPO/GRPO等）算法流程，设计并优化大规模分布式训练策略（3D并行、MoE EP、Context Parallel等），解决RL阶段多模型（Actor/Critic/Rollout/Ref）交互的复杂调度与显存墙问题。 2. 框架定制与二次开发： 基于主流训练框架（如Megatron-LM,…
Token Foundry-合版算法研究员-Qwen
1. 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。 2. 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。 3. 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…
Token Foundry-AI for Engineering 大模型算法研究员-Qwen基础模型
推动大模型在芯片设计（EDA）、工业设计（CAD）、工程仿真（CAE）、游戏设计、金融工程、工业自动化、Infra 调优等工程领域的能力演进与落地实践，使模型能够在真实工程生产环境中理解设计规格、调用专业工具、解析反馈信号并持续自进化，通过多轮迭代不断发掘更优算法与设计方案，拓展大模型在工程优化场景中的能力边界。该方向的核心目标是将工程领域的能力训练到主模型中，侧重在不同工程领域间的泛化性，而非构建单一领域的专用系统。 1.…
Token Foundry-RLHF 算法专家-Qwen
1. 用户偏好采集与建模：设计并构建系统化的用户偏好数据采集方案，深入分析用户行为与反馈信号，建立多维度、可扩展的用户偏好表征与建模体系，为 Reward Model 训练提供高质量数据基础。 2. Reward Model 训练与优化：训练高精度、低偏差的 Reward Model，覆盖创作质量、指令遵循、安全对齐、人类偏好等多个专项维度；持续优化训练策略，有效缓解 Reward Hacking 与分布偏移问题，为下游 RL…
Token Foundry-大模型评估系统算法研究员-Qwen
1. 挖掘大模型弱点，持续快速构建覆盖各项模型能力的评测数据集，探索可靠、具有可扩展性的评测方案。 2. 参与 LLM-as-a-Judge 方案构建，训练 LLM Judge / Reward Model，建模人类偏好并提升长尾任务的评价准确性。 3. 参与 Reward System 构建，设计 Reward Signal、合成对应数据，并通过 RL提升模型的能力上限。 4. 参与开发 Evaluation、Reward…