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
核心职责： 1）负责营销招商中后台系统规划与设计，主导招商审核、供给治理、小二协同等场景的优化，提升平台运营效率； 2）与业务紧密协作，理解业务目标并清晰定义问题，基于平台策略及商家经营诉求，设计通用化的解决方案，并对业务目标及商家体验负责； 3）跨部门协同推进项目，与技术、运营等团队紧密合作，推动平台型产品的规模化应用。 岗位特色： 1、以淘天营销平台大横向视角，建设平台、商家、自营、用户等多重视角的AI基础设施建设； 2、深度结合AI技术解决平台运营、商家经营问题； 3、全栈式能力提升空间大，职业发展空间大。
Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Search Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，实现全球B2B跨境贸易跨越式发展。 1、参与开发和优化新一代多模态原生AI搜索系统，包括但不限于多模态模型训练、跨模态生成与检索、生成式AI搜、多模态Agent等； 2、参与搜索引擎研发，全链路提升搜索效果，包括但不限于多模态理解、query分析、召回、相关性、排序等关键模块的算法设计与优化； 3、参与买家Agent全链路开发与优化，跟踪前沿多模态大模型技术，探索推动开源SOTA模型的产品化落地。
我们是阿里国际站-Accio算法团队，Accio是全球领先的AI native B2B平台，自发布以来用户数持续飞速增长，MAU已超千万，积累了海量行业真实数据。我们团队负责Accio中Sourcing Agent业务的能力建设和效果优化，包括自主寻源、智能谈判等场景。加入我们，你将深入参与以下工作的一项或多项： 1、Agent Teams：设计并优化Multi-Agent系统，探索多Agent之间的上下文共享和协作机制； 2、Agentic RL：面向智能谈判等场景，基于Self-Play RL等方式，优化模型效果； 3、Proactive Agent：面向周级别长程任务，优化Agent系统和用户的交互时机和内容； 4、自进化Agent系统：基于Skill/Memory等Agent Harness组件，构建具备经验沉淀与持续自我进化能力的Agent系统。
1、负责百亿补贴3C品类的商品运营工作，从品类规划到行业搭建、价格机制设计、日常管理维护，对价格力、GMV、动销率、活动运营负责 2、针对所负责行业特性和商家特征，能够根据竞争态势制定有效的品类的招商策略，实现有竞争力的商品供给 3、有较高的行业货品敏感度和热点洞察能力，能够通过营销活动有效组织供给来满足目标消费人群，不断强化淘宝百亿补贴的优惠购买心智 4、根据运营目标，协调内外部资源，实现业务目标达成
1、支撑模型团队使用 Megatron 进行大规模分布式训练，处理 tensor parallel、pipeline parallel、data parallel、expert parallel、sequence/context parallel 等并行策略相关问题; 2、支撑模型团队使用 SGLang 进行高吞吐推理和 rollout，优化 batching、KV cache、prefill/decode 调度、长上下文稳定性和在线训练链路； 3、设计和实现面向更大模型规模的 post-training infra，降低训练资源成本，提高实验迭代效率和系统稳定性； 4、建设 profiling、benchmark、monitoring 和 debugging 工具，提升训练吞吐、GPU utilization、rollout 稳定性和故障定位效率； 5、与研究员和模型工程师紧密合作，把新的训练想法快速落地成可复现、可扩展、可长期维护的系统能力。
Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级原生AI Agent，通过持续探索Agent、Agent Harness、RL、Memory、Reasoning等前沿技术，自研垂域模型、Agent模型、Agent系统，推动全球B2B跨境贸易实现跨越式发展。 1、参与Agent模型开发与优化，跟踪前沿大模型技术，探索开源SOTA模型的产品化落地； 2、负责Agent算法架构设计与效果优化，推动Accio持续发展； 3、持续探索Agent技术，包括但不限于Agentic RL、Proactive Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agent Post-Training等，持续提升Agent能力。
Accio Work是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，定位为全球电商AI工作台，通过持续探索Agent、Agent Harness、RL、Memory、Reasoning等前沿技术，自研Agent模型、Agent系统，持续推进Agent的发展。 1、研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强； 2、复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务； 3、Long-horizon运行设计：构建结合"工作记忆+全局知识库"的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架； 4、构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地； 5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training。
1. 产品设计：负责Accio Work 核心产品体验的设计优化，涵盖交互范式、智能体中心、插件生态、智能体团队的协作与权限模型，输出产品方案并推动跨团队交付，对用户体验与产品结果负责。 2. 评估体系：搭建以用户激活率、任务完成率、留存、核心行为转化为关键指标的产品度量体系，通过埋点设计、漏斗分析、A/B 实验等方法持续定位瓶颈并验证迭代效果。 3. 需求洞察：通过用户访谈、行为数据、工单反馈等输入识别高价值场景，建立需求优先级评估机制，在核心场景验证后推动产品能力向相邻场景拓展。 4. 竞品追踪：持续追踪AI产品领域动态，对Manus/Genspark/WorkBuddy等产品进行系统性对比与拆解，将行业洞察转化为可执行的产品迭代方向。
1、负责阿里妈妈广告系统中多阶段的拍卖机制设计和分配策略升级。 2、通过LLM、预估模型、强化学习等前沿技术，对全链路多阶段的算法模块优化，实现场景流量效率的提升。 3、通过冷启动、人群定向等策略等优化广告主投放体验，通过负反馈、多样性等策略优化消费者体验。 4、参与广告算法和系统的架构设计，研发支撑大规模工业级算法迭代的解决方案和基础设施。
1. 负责集团核心业务系统的数据库运维保障工作，深度参与双十一、春晚等重要活动保障，洞察超大规模场景挑战，保证系统安全稳定运行。 2. 参与集团数据库基础平台建设及优化，落实规模化管理标准，提供稳定高效的数据库服务。 3. 参与集团数据库架构设计与演进，满足业务发展需求，探索数据库+AI的下一代智能化运维服务体系。
负责淘宝闪购商户准入政策的数据分析与策略支持工作。通过构建数据资产、接入政府数据库、量化政策对业务的影响面，为政策制定提供科学依据；同时横向推动团队产品提效，并以管理者视角通过数据支撑团队主管的日常管理决策。 岗位职责 1、政策影响评估与数据分析：支持商户准入规则团队开展政策影响面分析，量化准入策略对商户供给、用户体验及平台风险的影响； 2、政府数据库运营：独立负责政府数据库接入项目，明确数据需求、对接方案、质量标准和落地节奏，项目在满足监管要求的基础上，服务于治理与供给准入风险防控； 3、数据资产建设： 构建并维护团队数据资产体系，支撑准入规则制定、风险识别与日常运营分析； 4、产品提效规划：横向识别团队在规则配置、数据使用、风险研判、工单处理中的效率瓶颈；规划并推动数据产品/智能化工具，提升团队运营效率； 5、管理者视角的数据支持： 通过数据洞察支持团队主管进行日常管理、资源分配与优先级判断； 搭建团队绩效/过程指标看板，定期输出数据分析报告，及时识别风险与机会；以数据驱动团队目标设定、进度追踪与复盘总结，提升组织决策效率。
我们正在寻找对引擎技术有深入理解和实践经验的工程师，参与构建和优化面向海量用户的核心搜索推荐系统。该岗位将深度参与搜推引擎全链路的技术研发，涵盖查询理解、召回、排序、索引等核心模块。 1. 搜推全链路研发：负责搜推引擎核心模块的设计与开发，包括但不限于 Query 理解、召回策略、排序模型、索引构建与优化等环节，持续优化搜索效果与系统性能。 2. 策略与算法迭代：与算法团队紧密配合，将 NLP、深度学习等前沿技术落地到搜推场景中，提升相关性、时效性、多样性等核心指标。 3. 系统架构设计：参与引擎分布式架构的设计与优化，保障系统在高并发、大数据量场景下的稳定性、低延迟和高吞吐。 4. 数据驱动优化：建立搜推质量评估体系，通过数据分析和用户反馈驱动策略的持续迭代，量化优化效果。 5. 技术前沿探索：跟踪搜索、推荐、大模型领域的最新技术趋势，探索 LLM 在搜索中的应用（如 query 改写、语义检索、生成式搜索等），推动技术创新与业务价值转化。
1.负责游戏产品内部灯光的设计和实现，以创造出逼真、富有氛围和沉浸感的游戏世界； 2.使用游戏引擎和相关工具创建灯光效果，包括动态灯光、静态灯光、全局光照、阴影等，以改善游戏的视觉质量； 3.与艺术团队、关卡设计师和程序员密切合作，确保灯光设计与游戏的整体风格和目标一致； 4.调整和优化灯光效果，以提高游戏性能和视觉效果； 5.制定灯光规范和流程，以确保灯光设计的一致性和游戏灯光的高质量。
1.高表现力语音合成系统开发： 负责淘宝直播数字人的TTS系统研发，重点突破多情感、高表现力、极具电商直播感染力的语音建模，实现语速、重音、情感的动态可控； 2. 全双工交互系统构建： 设计并实现数字人全双工语音交互架构，包括语音活动检测、打断唤醒、交互逻辑控制等，提升数字人在直播场景下的即时互动感； 3. 端到端交互大模型研发： 参与并研究应用端到端语音大模型，探索流式语音输入与输出的深度融合，解决传统级联模型的语义割裂与延迟问题； 4. 极致性能优化： 针对直播实时性要求，优化语音全链路延迟，从模型压缩、推理加速到流式处理，保障低延时体验； 5. 场景化落地： 与产品和工程团队紧密配合，将全双工交互技术应用于直播间智能导购、等业务场景，提升用户留存与转化；
1、拓展新商户及维护老商户，与商户建立长期稳定的区域商户关系； 2、了解并根据商户需求，制定个性化营销方案，与商户谈判并达成合作； 3、执行公司的营销策略和政策，达成业绩目标； 4、能迅速发现问题，并持续优化策略和计划； 5、及时处理来自商户的投诉，反馈、建议等，以提高商户的满意度； 6、关注区域内物流配送服务质量并做好协同工作。
1. 多模态Pre-training：开展研究及进行实验。研究内容包括：数据清洗与筛选、数据配比优化、课程学习、视觉语言模型结构设计与优化、训练策略优化、预训练数据合成、scaling law预测、词表优化、模型蒸馏与压缩、长上下文能力优化等。 2. 多模态Post-training：迭代Post-training训练策略（SFT/RLHF），专项能力数据迭代，参与模型能力评测及评测数据和评估标准的迭代。 3. 多模态推理和通用Agent：通过强化学习（RL）持续提升多模态模型推理能力和执行任务能力，打造多模态的Test Scaling Laws，并推动模型对网络和虚拟世界的交互和任务完成能力。 4. 统一理解生成：构建视觉统一理解生成大模型，推进多模态统一生成与理解的推理和交互新范式。
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 训练（PPO / GRPO 等）和用户偏好评测提供可靠的奖励信号。 3. 用户反馈分析与 Badcase 聚类：建立从线上用户反馈到模型迭代的闭环机制，利用聚类、归因分析等方法系统性挖掘 Badcase，定位模型能力短板与偏好盲区，驱动数据策略与训练目标的持续优化。 4. LLM Judge / Verifier 体系建设：研究并构建基于 LLM 的自动化评测与验证体系，设计可 Scalable 的 Verifier 信号，使其既能作为高效的偏好评测工具，也能作为奖励信号直接融入 RL 训练流程，提升模型迭代的自动化程度与覆盖广度。 5. 偏好对齐前沿探索：持续跟踪 RLHF / RLAIF / DPO / Constitutional AI 等对齐技术的前沿进展，探索更高效的偏好学习范式，推动 Qwen 在对齐质量与训练效率上的双重突破。
1. 市场洞察与品类规划制定 ○ 深刻洞察一次性品类市场趋势与用户需求，分析竞品信息，制定相应的品类规划和采购策略。 2. KA资源联动与渠道特供商品开发 ○ 负责与品类头部品牌方建立并维护紧密的合作关系，通过精准有效的沟通协调，共同开发符合特定渠道特色的特供商品。通过与KA渠道的深度合作，推动产品上市并优化营销活动，最终实现品类GMV与毛利润的显著增长。 3. OEM商品（自有品牌）开发与管理 ○ 主导自有品牌的商品企划、设计、研发、试产与上市流程，确保自有品牌商品的独特性和市场竞争力。 ○ 对PB商品的生命周期进行全程管理，追踪销售表现，结合消费者反馈持续优化产品系列，进一步提升自有品牌影响力和销售额。 4. 商品履约率管理与提升 ○ 精准预测和调度商品库存，确保商品供应充足，有效提升商品履约率，满足客户需求并降低缺货风险。 5. 成本控制与降本增效 ○ 制定和实施全面的成本控制计划，通过严谨的供应商筛选、高效的采购谈判、合理的库存周转、物流优化等方式降低成本。 ○ 追踪分析各项成本指标，同时寻求新的降本途径，确保公司在保持商品品质的同时，提高总体经济效益。
1、负责食品下类目的采销工作，基于业务目标拆解，制定品类及相关品牌年／季／月度生意计划及运营计划，建设品牌梯队，对生意结果负责；对品类的结构健康和持续发展负责 2、能够有效管理商家，撬动商家资源，联合商家内部多部门实现共同推动品牌生意成长，达成品类整体成本、利润、销售、仓配费率等关键指标 3、能够深入了解品类市场情况，有效洞察品类市场趋势，具有前瞻视角，定制和孵化新商品，有效结合场域及人群视角配置及整合资源，打造趋势新品和新爆款，基于各资源定位协同进行货品供给 4、结合对用户的洞察和对消费趋势的分析，把握消费者购买决策的关键因素，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 5、能够有效与内外部各方沟通协同，有较好的项目管理能力，统筹推动项目及资源落地
1. 负责建设面向集团各业务线的大模型评测体系，涵盖通用能力评测与业务场景定制评测，优化基于 LLM-as-Judge、自动化评测模型训练、人工评估和用户行为数据的多维度评测框架，保障评测结果的全面性和可靠性。 2. 构建多维度评测指标体系（准确性、安全性、流畅度、一致性、业务指标等），覆盖 APP 对话助手及各业务线智能体场景。 3. 深度参与模型迭代过程中的评测驱动优化，建设完整的“数据→训练→评测→反馈”的高效数据飞轮。 4. 跟踪业界主流评测方法与 Benchmark 动态，持续优化内部评测体系。