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
1. 负责阿里集团大规模 Kubernetes 调度集群与 AI 资源池资源管理系统的设计、研发与运维 2. 负责 K8s Master、etcd、节点管理、弹性能力、数据体系、风控体系等核心组件的设计、研发与运维，保障管控面的高可用与可扩展 3. 负责 K8s 调度集群与节点基础环境的稳定性能力建设，构建可观测性、监控告警、异常检测与自愈恢复、研发质量等 DevOps 基础平台 4. 负责海量 GPU / XPU 服务器的稳定性和自动化运维能力建设，包括健康检测、故障自动隔离与自愈、在线率保障等，保障资源高效率、高质量交付 5. 探索 AI 驱动的智能化运维能力，结合 LLM / Agent 等技术持续提升资源管控平台的自动化、智能化与自愈水平
● 岗位定位： 你将作为AI视频生产应用与Agent系统的核心建造者，负责打造这个时代最具创造力的“自主智能体”。我们正在用Agent重新定义视频生产的工作方式——不是让AI辅助人类操作，这个Agent将能够理解人类的创意意图，自主规划、调度并执行从创意到成片的整个视频创作流程。你将站在AI技术与视频创意的交汇点，设计并落地驱动这一切的Agent系统，让每个人都能指挥一个“AI制作团队”，让AI成为真正的"视频生产者"。 ● 核心职责 1. AI视频生产Agent架构设计 ● 主导设计面向视频全链路生产的Multi-Agent系统架构，拆解并定义不同角色Agent的能力边界与协作协议。 ● 构建支持复杂任务分解、动态规划、自主决策、异常恢复的Agent运行框架。 ● 设计Agent间的通信机制、状态管理与记忆体系，保障长链路生产任务的一致性、可追溯性与可干预性。 2. 多模态模型集成调优 ● 持续跟踪并将最新的图片生成、视频生成、音频生成、VL等多模态大模型集成进Agent生产链路，保持Agent能力的持续技术领先。 ● 对模型输出质量进行系统性调优，针对视频生产场景的语义一致性、运动合理性、视觉/音频质量、叙事逻辑性、指令遵循度、情绪传达力等关键指标进行专项优化。 ● 建立模型能力评测基准体系，定义质量基线与模型SLA，构建覆盖模型选型、版本对比、回归验证的数据化决策链路。 3. 任务规划与工作流编排 ● 设计基于LLM的动态任务规划引擎，支持自然语言输入→任务图生成→并行/串行执行→结果聚合的完整链路。 ● 在平台层统一工作流引擎之上，根据不同创作意图、内容类型、生产规格，在运行时动态构建差异化的视频生产工作流。 ● 攻关长链路任务的可靠性保障：任务断点续传、局部重试、人机协同介入点设计等核心工程难题，确保复杂任务在动态工作流下依然稳定可控。 4. 提示词工程与效果优化 ● 系统性构建面向视频生产各环节的Prompt工程体系，包括分层结构化、动态上下文、领域知识、多模态提示协同对齐等精细化设计。 ● 建立Prompt版本管理、A/B评测、自动优化机制，通过数据驱动持续提升Agent各节点输出质量。 ● 探索基于RLHF、DPO等技术的偏好对齐方法，让Agent的生产风格与用户意图高度契合，逼近"零修改直出"。 5. 视频生成流程自动化 ● 端到端打通从"创意"到"成片输出"的全自动化生产流水线，以最小化人工干预节点为终极目标。 ● 构建智能质检Agent，对生成视频进行自动化质量评估、问题定位与修复决策，形成自我纠错的生产闭环。 ● 设计支持批量生产、个性化定制、多风格并行的自动化调度体系，支撑规模化内容生产的工业级需求。
1. 与SAP销售团队对接，挖掘SAP Cloud ERP在阿里云上的商机，并协调双方销售团队共同跟进并落单； 2. 组织阿里云各销售组织，主动挖掘企业客户SAP Cloud ERP的商机，并协同SAP销售团队协同跟进并落单； 3. 与SI生态伙伴协作，推动SAP、阿里云和SI伙伴多方协同，确保SAP Cloud ERP商机挖掘、落单、至成功交付； 4. 协助公司构建并制定SAP Cloud ERP GTM的整体体系及策略，推动SAP Cloud ERP在SAP和阿里云双方销售组织中的GTM，并取得数字结果； 5. 协助探索并建立起：双方销售组织对联合销售的业绩计收管理规范，确保销售的满意度，并促进长期合作； 6. 参与公司整体业务战略的讨论，确保产品策略与公司发展方向一致。
1.基于模型内部评测和错误案例，系统性分析模型能力边界和短板；建立能力拆解框架（如代码生成可拆分为理解、规划、实现、调试等子能力） 2.主导高质量数据的获取、清洗、增强和验证；探索先进的数据合成技术（如基于强模型的蒸馏、多智能体协作生成）。 3.设计小规模实验验证数据有效性，建立数据-效果关联分析机制，量化数据投入产出比。
1.深入了解产品，根据产品特性及需求，以产品思维进行整体的界面视觉包装设计，并将方案推进落地。 2.制定产品设计规范，优化工作流程，提高工作品质与效率。 3.负责产品界面风格的整体视觉方向及细节把控，设计方案在项目中的完美落地。 4.与程序、动效、美术同学等多个职能岗位，共同协作优化方案提升整体品质。 5.具备竞品分析的能力，深度发掘和思考产品和用户需求，为产品的设计方向提出一些见解。
1. 负责盒马电商推，基于不同品类的荐的产品和策略设计特点设计差异化的品类增长策略，对交易用户的笔单价和转化负责 2. 拆解并优化用户的流量承接路径，与算法紧密协作，满足用户的潜在购物需求，挖掘推荐场景中交易的增量空间 3. 与品类运营合作，了解经营诉求，保障各品类商品在盒马推荐场域的转化路径，设计商品生态策略牵引优质供给 4. 深入洞察供需及用户体验问题，设计对用户长期价值和业务生态有收益的推荐策略，联动产品、技术、业务侧协同优化，保障业务目标达成
1. 协同HR制定和维护各项劳动人事制度、机制、流程及文件； 2. 处理国内外各类劳动人事法律事务，为各项人事决策提供法律意见、落地方案； 3. 起草、审核各类人事法律合同及文件； 4. 处理劳动人事争议案件，统筹外部法律供应商，把控案件质量和诉讼成本； 5. 跟踪劳动法律法规及司法实践动态，应用于公司人事法律事务。
1.参与游戏战斗模块的设计与开发，包括：战斗系统界面，战斗技能和数值，战斗相关养成系统； 2.撰写策划案，完成战斗相关的逻辑、战斗体验、界面交互等设计； 3.与程序、美术团队协作，推动战斗效果的实现与优化； 4.分析玩家行为数据与反馈，持续优化战斗设计，提升玩家体验； 5.关注行业动态与竞品分析，不断学习与创新系统设计思路。
1、配送团队组建，有效进行运力管理，保证大促或异常天气时配送运营正常； 2、与三方供应商对接配送员日常的入离职及招聘，与三方供应商保持良好的沟通与配合； 3、处理配送中的突发重大异常并能及时给出有效的解决方案，重大异常事件要第一时间进行上报； 4、监控配送数据及异常情况，执行日报、周报及月报制度，针对所发生的客诉要及时跟进并反馈结果； 5、对本门店的配送考核指标KPI完成结果负责，推动配送管理组快速落实成本控制及服务质量提升要求； 6、新门店的配送商圈预跑、路由地址基础信息采集及上报，配送范围定期回顾并视需要及时调整； 7、负责本门店的社会众包拉新、引入、培训及日常运营管理； 8、与本门店其它部门保持良好的沟通，保证跨部门协调与合作顺畅进行。
1. 负责数据源智能感知体系建设：运用AI大模型与多源数据融合技术，构建世界与高德的实时连接，精准捕获各数据源的变化，对数据覆盖与时效性负责； 2. 驱动感知能力突破：通过数据源分析与竞品对标，洞察世界变化规律，制定智能感知策略，持续提升数据获取精准度； 3. 统筹规划与协同落地：设定业务技术目标，主导产品全生命周期管理，协同算法工程团队，通过大模型等综合手段确保战略目标达成。
1、负责高德【SKA商户】运维成长及营收（包含但不限于 效果广告、CPS、年费续签等），针对高德到店行业（家装/到店零售等行业），完成品牌的收入提升和行业先锋案例； 2、负责【行业增长策略】，与业务团队、产品运营 三个角色形成合力，明确行业增长策略，完成行业方法论沉淀，产出行业宝典等相关内容； ； 3、负责行业产品优化、推动和设计，为产品GTM指标和业务增长指标负责，推动高德经营经营产品和广告产品行业化落地；
1.深入了解产品，根据产品特性及需求，以产品思维进行整体的界面视觉包装设计，并将方案推进落地。 2.制定产品设计规范，优化工作流程，提高工作品质与效率。 3.负责产品界面风格的整体视觉方向及细节把控，设计方案在项目中的完美落地。 4.与程序、动效、美术同学等多个职能岗位，共同协作优化方案提升整体品质。 5.具备竞品分析的能力，深度发掘和思考产品和用户需求，为产品的设计方向提出一些见解。
1. 建设超大规模训练的稳定性治理体系，围绕有效训练时长（ETTR）与 Goodput 做端到端度量与优化，量化并持续压缩因故障、回滚、启动带来的无效算力（Badput）。 2. 构建覆盖软硬件异常的故障可观测能力，完善日志、指标、事件的采集与关联分析；研发智能诊断能力，实现训练 slow / hang / OOM / 通信异常等故障的快速定界与根因追溯，沉淀故障模式库与自动诊断规则。 3. 研发自动容错与快速恢复机制，支持断点续训、Pod 级快速重启、节点自动自愈、动态降级与局部重试；优化 failover、本地盘 / 缓存与 Checkpoint 恢复链路，缩短故障恢复时延。 4. 建设节点健康度评估与主动巡检体系，覆盖 GPU、网络、存储等软硬件健康，实现故障节点的快速隔离与自愈；支持 Ray 等分布式框架下的作业级故障感知与处理。 5. 与算法及框架团队协同保障训练全生命周期稳定交付，沉淀可复用的稳定性平台能力，推动变更灰度与自动化运维。
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。
1. 负责阿里集团评测平台的整体架构设计与核心能力建设，覆盖基座模型、Agent与Skills等评测对象，支撑文本/生图/音频/视频等多模态模型，Agent以及集团内各类Skills的评测需求。 2. 搭建评测诊断、归因分析与报告生成能力，沉淀一套可复用的评测分析方法论；针对评测失败原因、得分分布、执行轨迹与Badcase做深度归因，为基座模型、Agent与Skills的能力迭代提供依据。 3. 跟进业界模型与Benchmark的最新进展，制定评测实施计划与应急预案，推进评测任务落地、验收评测结果并产出高质量分析报告，把评测元信息、结果与报告沉淀为可管理、可检索的数据资产。 4. 与领域专家团队协作，支撑评测集的制作、验收与上架，配合完成敏捷评测与全面评测，提升评测全链路的自动化程度与工程效率。 5. 支撑集团内各类Agent及竞品接入EVA+自动化评测体系，开发Agent接入诊断与提效工具，建设业务评测集的自动化生成能力，降低业务方的接入与维护成本。
1. 负责top floorplan，电源网络，partition， 时钟树， IO assignment 等规划 2. 建立后端sign off spec，signoff 策略 和signoff checklist，包括STA, EM/IR, PV 等 3. 负责先进工艺中后端流程开发 4. 负责关键ip的ppa 优化 5. 与前端构架深入合作，保证构架设计可实现性与ppa 优化
1. 1年以上销售工作经验，有TOB方面销售经验者优先考虑 2. 敢于挑战，善于学习，抗压性强，有销售的韧性和要性 3. 内心热爱销售工作，热爱与客户打交道，有高度的责任心和客户服务意识
1. CPU 开发工具链全栈软件测试方案和测试执行，覆盖编译器、调试器、模拟器等核心组件的功能、性能及可靠性验证； 2. 分析定位跨组件的系统性问题，推动工具链各模块协同优化和问题闭环； 3. 设计并实现自动化测试框架与CI质量看护体系，构建跨组件的端到端验证流程； 4. 结合CPU开发工具测试业务开发对应的AI skill和agent。
1，负责协助客户完成智能网卡的技术评估和导入，及时定位并解决落地过程中的各类技术问题，确保产品在客户业务场景中顺利落地。 2，收集并分析客户需求，形成可落地的产品改进建议，与产品和研发团队合作推动需求落地与产品迭代升级。 3，与研发工程师合作，完成面向客户的技术文档输出与版本交付支持。
1. 负责研发AI类算法的计算性能优化能力，解决大模型等情境的算力和访存瓶颈，提升AI模型在GPU、AI加速器等硬件上部署性能和效率，推动大模型普惠应用和高性价比的竞争力； 2. 负责研发业界SOTA的计算性能优化算法创新和工程落地，增强技术壁垒，并在云的商业业务中产生核心价值； 3. 负责高性能AI基础设施的构建，基于软硬结合的计算性能优化能力，在AI类业务场景尤其是大模型场景下，通过结合模型算法和硬件来充分挖掘软硬协同的组合优化潜力，实现单一领域无法达到的优化边界和收益，带来高价值的性能和成本优势。