Qwen-Image（千问图像）团队是阿里巴巴ATH事业群-Token Foundry下的图像生成基座团队，自2025年初成立以来，先后发布了Qwen-Image、Qwen-Image-Edit、Qwen-Image-2.0等一系列业界领先的文生图与图像编辑基座大模型。团队正在打造全球领先的视觉生成技术体系，推动AI在企业服务、开发者生态及个人内容创作等领域的深度应用。我们专注于研发前沿视觉生成技术，充分探索数据与训练方法，旨在解决计算机视觉基本问题的同时，为AI赋予真正的创造力。 作为RL算法实习生，你将深度参与视觉生成大模型的后训练（Post-training）与人类偏好对齐工作，具体职责包括： 1、Reward Model（奖励模型）研发：负责高质量奖励模型的设计与训练，探索基于VLM的复合奖励信号（如逐点评分、思维链推理等），提升模型在图文一致性、美学质感、指令遵循及人脸身份一致性等维度的判别精度与泛化性能。 2、RL对齐算法优化：深入研究并落地主流强化学习及偏好对齐算法（如GRPO、RLHF等），优化图像生成与编辑任务的RL策略迭代，解决Reward Hacking问题，提升模型在复杂任务中的表现与稳定性。 3、多任务统一与策略蒸馏：探索面向多任务（如文生图与图像编辑）的联合训练与优化方案，参与在线策略蒸馏（OPD）等前沿技术的研发，将多任务教师模型合并为统一的生成模型，在不牺牲各任务质量的前提下实现能力统一。 4、偏好数据体系建设：与数据团队紧密合作，构建和优化人类偏好数据（Preference Data）流程，设计高效的数据采样与质量控制策略，探索利用强模型辅助生成高质量偏好数据（RLAIF），通过数据飞轮驱动模型效果提升。 5、前沿技术跟踪与落地：持续跟踪视觉生成与强化学习交叉领域的最新研究进展，结合Qwen-Image业务场景探索新的算法优化方向，撰写高质量技术报告，保持团队在该领域的技术领先性。