招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
一、客户开拓与商机挖掘 1、新客户开拓及覆盖：负责AI原生及新兴增长赛道的市场机会识别及快速、敏锐判断，通过各种渠道开拓新客户，或挖掘现有客户的maas产品和技术需求，形成有效商机。 2、客户业务理解及需求挖掘：深度理解客户所在行业，了解客户商业模式和业务流程，能够进行业务分析，解构客户生产链路及对应的痛点，挖掘有效AI切入场景,找到双方合作机会点。 3、驱动Token价值挖掘与跃迁： 推动标准化AI产品、平台及Agent类应用的推广，通过深入挖掘客户使用场景，驱动模型调用量（Token）实现跨越式增长，为客户提供价值。 4、建立组织客情：能与客户业务负责人对话，维护好关键决策点的客情关系，协调我司管理层和客户建立连接，作为“铁三角”的导演，进行良好的内部项目协调。与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持。 二、AI 价值传递 1、理解阿里云MaaS产品及市场产品的差异化：深入理解阿里云MAAS产品的技术价值及适用场景，了解国内外市场先进模型特点及阿里云的差异化竞争优势，能够根据客户需求初步制定模型、应用及方案的匹配。 2、独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值。 制定商务策略及商机转化 1、促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢。 2、客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地。 三、持续做好客户服务 1、客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度。 2、竞对与趋势研究，推动产品反向优化：主动研究市场动态及竞对产品优劣，理解与阿里云的产品差异化优势，结合用户体验，持续输出产品优化建议，推动内部产品解决方案和流程体系的改进。
期待层级：p6 1、 熟悉水族行业市场，具有丰富品类线上运营经验，基于业务目标拆解，制定品类年／季／月度运营计划，对生意结果负责； 2、基于消费者需求，制定品类规划，搭建健康的水族新趋品类结构，产出具有精准性与前瞻性的商品企划，提升淘系商品力；具备从用户视角开展各场域运营机制建设的能力，包含且不限于搜推、直播、短视频等； 3、进行水族食品、水族用品产业带供应商招商与洽谈，围绕水族品类策略与消费者需求，共同制定货盘计划，提升商家经营规模和效率； 4、围绕水族行业主推品/爆品进行运营，负责提升单品效能及ROI，针对商品生命周期进行整体规划和运营，基于各资源定位协同商品运营进行货品供给； 5、结合对性价比/质价比用户的洞察和消费趋势，把握消费者购买决策的关键因素，善于整合内外部多方资源，在销售策略、渠道推广、玩法互动产出方案并进行项目的落地执行。
1、结合盒马作业实际及业务需求，围绕骑手选、育、用、留的生命周期，搭建服务多样化经营单元的运力管理体系； 2、对成本负责，持续优化各环节ROI，实现线上化、智能化管理，做好效率驱动、钱效提升的基础保障； 3、赋能区域，做好区域专业条线带教落地
1、深度参与综合性项目方案设计与项目管理（包括但不限于智能营销、智能客服、数据治理），支持从售前评估、交付、验收、转维的全生命周期客户服务； 2、能够结合企业实际业务场景，设计AI应用提案，负责客户的需求调研、业务分析、场景设计、产品配置、定开功能设计、机器人配置、培训等工作； 3、协同产品、技术、数据等下游团队，对定制的需求澄清和跟进开发交付的闭环； 4、保障项目的进度、质量、成本和客户满意度； 5、沉淀交付案例库，持续优化标准交付。
1、结合组织发展方向，分解关键任务，形成日常管理动作，并确保有效落地； 2、对于所管辖园区餐厅进行日常运营管理。结合不同业务场景特性，制定运营方案、满意度提升等方案，并持续突进落地，确保餐厅满意度达标； 3、带领团队完成各项规划工作，并结合团队个人情况，制定个人能力提升计划，长期实现团队整体能力增强，高效完成绩效目标。
1、区域销售与零售体系的搭建与人员管理，赋能团队成员； 2、承接区域重点工作落地与销售/零售目标的达成； 3、完成区域内部的渠道规划，拓展与管理区域内部的代理商/零售商，分层分级构建合作伙伴关系； 4、承接区域内部的品牌与零售落地工作，持续提升千问品牌智能硬件产品在当地的品牌形象及用户体验； 5、维护区域内部市场秩序的稳定，构建可持续发展的综合业务能力。
1. 端到端项目交付：负责音乐大模型评测/标注项目的全流程落地——需求拆解、方案设计、排期推进、验收交付。 2. 评测体系搭建：建立 "评测哲学 → 维度框架 → 打分细则 → 评测集 → 报告模板" 的完整链路，沉淀可复用的方法论。 3. 标注规则与 SOP：编写大型标注规则文档，设计标签 schema，定义边界 case 判定规则，把专业判断翻译成标注员看得懂的 SOP 和样例。 4. 团队与供应商管理：管理内部评测/标注团队及外部供应商，统筹排期、产能、分工与绩效考核。 5. 质量管理：建立质检、一致性（如 Kappa）与验收机制，对数据交付质量负责。 6. 数据分析与洞察：基于评测结果设计实验、判断显著性，输出结构化洞察与产品改进建议。
1.负责多模态大模型的高质量的数据构造及模型评测工作，与算法团队密切合作，理解算法需求，提供满足算法研发需求的数据; 2.设计和实现各文生图/文生视频/VLM模型的数据标注生产，并不断优化迭代，高效完成标注和内容生产项目； 3.构建并维护一套完善的各领域AI数据内容质量管理体系，积极推动组织流程及交付流程优化，全面把控内容质量并对结果负责，并不断进行优化迭代; 4.开展多模态大模型及应用的评测体系方案建设，能够从各领域专业层面设计专业评测方案、开展专业的评测服务； 5.承担本方向数据处理、数据清洗、数据蒸馏、数据合成等多样数据工程工作。
1、根据公司产品战略及路线，定义以及管理芯片产品和芯片平台； 2、明确产品需求，制订优先级，定义产品主要功能、性能指标，综合考虑技术演进，标准进展，合作伙伴需求，市场需求等多重因素； 3、对于芯片产品进行日常管理，包括与内外部客户，研发团队，以及技术支持团队等进行有效的沟通； 4、协助管理层对芯片的成本，功能，开发时间等因素进行取舍选择，并协助分析潜在的资本投入回报； 5、与软硬件团队协调开发针对细分市场的参考设计。
1. 验收移动端方向 AI Coding 数据质量 — 对 bug-fix、功能开发等任务数据进行质量验收，核查任务的真实性、难度合理性与平台场景还原度。 2. 标注规范与数据设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐; 3. 数据质量管控：对标注员产出进行专家级审核，重点识别代码逻辑错误、安全漏洞、风格一致性问题；建立 Code / Agentic 数据质量评估体系，定义量化指标并追踪质量趋势；设计并执行标注一致性校验流程（IAA），提升跨标注员的数据稳定性; 4. 标注团队赋能：为标注员提供技术培训，将复杂的代码和 Agent 概念转化为可操作的标注实践；担任技术难题的终极裁判，解决边界案例和歧义问题；参与标注工具需求设计，提升代码标注效率; 5. 探索更科学的评测指标、更高效的评测和标注方法。
1. 验收 DevOps/运维方向 AI Coding 数据质量 — 对 CI/CD 配置、故障排查、build-release-config 等任务数据进行质量验收，核查任务设计的真实性、难度合理性与运维场景还原度。 2. 标注规范与数据设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐; 3. 数据质量管控：对标注员产出进行专家级审核，重点识别代码逻辑错误、安全漏洞、风格一致性问题；建立 Code / Agentic 数据质量评估体系，定义量化指标并追踪质量趋势；设计并执行标注一致性校验流程（IAA），提升跨标注员的数据稳定性; 4. 标注团队赋能：为标注员提供技术培训，将复杂的代码和 Agent 概念转化为可操作的标注实践；担任技术难题的终极裁判，解决边界案例和歧义问题；参与标注工具需求设计，提升代码标注效率; 5. 探索更科学的评测指标、更高效的评测和标注方法。
1. 评测平台架构与框架建设。设计并研发面向大模型与Agent的通用评测框架，支持多模态输入输出、长程任务执行、工具调用链路、执行反馈等评估维度；推动评测流水线标准化，打通数据集管理、环境隔离、任务调度、指标计算、结果归档与可视化各环节；对评测结果做数据清洗、统计分析与可视化，向算法团队输出分析报告与洞察。 2. 评测集适配与建设。吃透业界主流评测集（如SWE-bench、Terminal-Bench、JobBench等），完成向平台的精准适配；面向代码生成、工具使用、推理、多轮对话、多模态生成等任务场景，设计可量化的评估方式与指标体系；建立Benchmark版本管理机制，让评测过程与结果可追踪、可对比、可复现，支撑模型迭代决策。 3. 评测任务Agent化与Harness Engineering。以Harness Engineering思路把评测任务本身Agent化，提升评测集接入效率与执行的智能化水平；开发自动化诊断工具，定位评测适配异常、指标抖动、环境漂移等问题，降低人工排查成本；探索LLM-as-Judge、多智能体评判、人类偏好对齐等前沿评测范式，提升评估的客观性与覆盖度。
定位： 负责数采设备与数采原型机从需求定义→方案设计→样机验证→迭代交付的整体系统架构与技术把控。承接数采原型机开发需求，向下拉通结构、硬件、软件多专业协同，牵头解决系统级技术难题，确保设备的功能、性能与可靠性达标。 职责： 1.制定数采系统整体技术方案与架构：定义设备形态（外骨骼/同构末端/移动机器人等）、关键模块选型（机械臂、传感器、驱动方案、通信链路）、系统接口规范与关键性能指标（采集延迟、同步精度、数据完整性） 2.对数采设备软硬件系统进行全生命周期把控：需求、规格、方案、样机、测试、迭代等各阶段的技术评审与风险管理，确保设计输入到验证输出的一致性 3.牵头系统级问题攻关：多传感器时空同步、机电耦合干扰（EMC、振动）、通信延迟与丢帧、标定精度、数据链路可靠性等跨专业难题的根因分析与解决 4.主导跨团队协同（结构、硬件、软件、算法）：拆解系统需求为各专业设计输入，组织方案评审，把控进度与技术风险，推动设备快速迭代与稳定交付 5.跟踪行业前沿技术（协作机械臂、力控、遥操作、具身数据采集），进行竞品拆解与技术选型，制定中长期技术路线图与工程规范
岗位定位 以 UE 为核心搭建可批量、可复用的渲染管线，稳定输出视频与配套结构化信息， 岗位职责 1.负责 UE 在云端 Linux GPU 集群上的工程化落地，保障批量渲染的可用性与吞吐 2.建设 UE 侧的程序化渲染能力，支撑大规模、可参数化的持续产出 3.建设场景资产的工程规范与准入流程，让外部资产能被管线可靠消费 4.打通 UE 与下游业务的数据接口，稳定输出视频与结构化 3D 信息 5.治理集群渲染的性能与稳定性问题，保障日产规模与失败可追溯
1. 负责具身智能相关数据采集与标注项目的全流程管理，包括需求理解、资源规划、排期、项目启动、过程推进、验收及交付。 2. 围绕机器人操作、视觉感知、多模态交互、第一视角/第三视角视频、轨迹与动作等数据，协同算法、产品及客户明确数据范围、标注规范和质量标准。 3. 组织 POC 试标、标注培训与答疑，推动标注规范、培训材料及操作 SOP 的迭代落地。 4. 制定并执行数据质量方案，包括抽检规则、质检标准、问题判定、通过/驳回、返工追踪和闭环复检，确保数据质量满足模型训练与客户交付要求。 5. 制定项目交付周期和里程碑计划，持续监控进度、产能、质量与风险，及时协调资源并推动问题解决。 6. 独立管理外包供应商或标注团队，包括产能评估、任务分配、培训管理、日常沟通、绩效跟踪及交付验收。 7. 对项目数据、质量和效率进行复盘分析，沉淀可复用的项目管理机制与标注交付 SOP。
1、负责淘宝天猫平台各类型活动招商策略的规划与执行，保障不同活动的供给规模和质量，助力活动目标达成。 2、协同产品和技术团队，推动产品创新迭代，运用AI等能力持续降低商家报名门槛，提升小二招商效率。 3、基于用户反馈与数据洞察，持续优化价格/库存/物流等规则策略，保障大促优惠感知和用户体验。
定位 负责具身AI一站式数据平台的架构设计与系统开发，覆盖平台基建（湖仓架构、高并发存储、中间件）与数据处理Pipeline（清洗、质检、格式转换），支撑从原始采集数据到可训练数据的全链路闭环。区别于数采系统岗（聚焦采集端硬件接入与实时传输），本岗聚焦数据落盘后的存储、治理与消费。 职责 1.设计并落地平台数据存储架构（数据湖/仓），支持PB级多模态数据（图像、点云、轨迹、视频）的高效入库、检索与版本管理 2.开发平台核心后端服务（采集管控、任务调度、权限管理、数据导出），保障并发场景下的系统稳定性与性能 3.开发数据清洗与预处理Pipeline，实现异常轨迹过滤、缺帧插值、坐标系对齐、格式标准化，支持跨格式（ROS bag/HDF5/LeRobot）互转与跨本体数据对齐 4.搭建数据可视化与审核模块（轨迹3D回放、多视角对比、标注审核），配合算法团队定义训练数据规范（episode结构、action/observation字段） 5.制定数据质量标准与验收规范，输出分布统计与质量报告，定位数据问题并驱动上游优化
定位： 负责具身AI数据评测体系建设、标注质量管理与数据交付，通过数据集健康度评估、模型效果评测与Badcase分析，驱动数据质量与模型性能的闭环迭代。 职责： 1.设计数据评测方案，定义评测维度与指标（完整性、一致性、多样性分布、标注准确率等），组织评测并输出分析报告 2.管理数据标注与交付流程：制定标注规范、质检抽样，对接供应商完成试标验收与质量跟踪；按算法需求完成数据格式对齐与打包交付 3.构建数据集健康度评估体系：覆盖帧丢失率、传感器同步误差、场景/轨迹分布偏差与长尾缺失 4.开展模型效果评估与Badcase分析，推动改进闭环 5.编写自动化脚本辅助数据清洗、质检与交付流程，定期输出数据质量报告
职责： 1.完成具身数采设备的电路设计（原理图/PCB Layout）、嵌入式固件开发与板级调试，实现多路传感器（IMU、力传感器、编码器、摄像头）的同步采集与硬件时间戳对齐 2.负责具身机器人本体的电气集成：供电方案设计、通信总线（CAN/EtherCAT）调通、电机驱动器选型与联调，确保各模块稳定协同 3.设计端到端数据传输链路（USB/以太网/GMSL），实现硬件触发同步与PTP时钟同步，保障多传感器数据的时空一致性 4.编写硬件驱动与ROS/ROS2传感器节点，对接遥操作采集接口（主手、VR手柄、动捕设备），实现本体状态与感知数据的实时记录 5.构建数据预处理与存储Pipeline：标定参数融合、坐标变换、格式转换，输出标准化数据集（HDF5/rosbag2）并支持数据回放校验
定位：负责具身AI数据采集设备及机器人本体原型的结构设计与快速迭代。 职责： 1.根据算法与数采需求，完成采集设备的整机结构方案设计，输出三维模型与工程图 2.负责外骨骼、同构末端等穿戴/手持类设备的人机工学设计，确保佩戴舒适性与运动兼容性 3.负责移动机器人本体的集成方案设计：完成机械臂、升降柱、移动底盘等模块的选型、安装接口设计、线缆与管路规划，搭建可运行的原型整机 4.完成关键部件的公差分析与配合设计，对受力结构进行基础强度校核（FEA） 5.根据原型验证需求选择合适的加工工艺（3D打印、CNC、钣金），跟进打样与装配调试