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. 负责千问消费决策相关意图的对话效果优化，围绕意图理解、回答质量进行效果优化，提升该场景下的业务规模及用户体验。 2. 基于对用户行为的洞察，结合深度数据分析，定义关键业务指标（如DAU、留存、使用深度等），通过产品创新和策略优化，推动用户规模和使用深度实现增长。 3. 协同算法、工程团队，通过Prompt优化、对话策略设计和模型能力迭代改善回答效果，平衡思考深度、响应耗时与阅读体验。 4. 深入分析真实对话与用户反馈，建设消费决策场景评测集，结合人工和自动化评测、线上数据和A/B实验，验证需求和分析数据，通过数据飞轮持续推动产品迭代。
加入我们，你将专注于让商家经营 Agent 持续变强：依托商家主数据体系，通过系统化的效果评测与问题归因，精准定位 Agent 表现不佳的根因，并针对性优化经营知识库、Skill 与工具能力，形成「评测 → 归因 → 优化 → 回归」的高频迭代循环，直接推动商家 Agent 从可用走向被依赖。 你将负责： 1、构建并运营商家经营场景的 AI 效果评测体系，设计评测集与评价标准，落地自动化评测与回归流程，让每一次优化都有可信度量； 2、对 Agent 的失败与劣化样本做深度归因分析，定位问题根因究竟落在知识缺失、Skill 编排、工具能力、上下文构造还是数据口径上，输出可执行的优化结论； 3、依托商家主数据体系持续优化经营知识库，包括知识抽取与补全、质量校验、冲突消解与失效淘汰，保障知识越用越准； 4、优化 Agent 的 Skill 与工具体系，改进任务编排、上下文工程、工具调用成功率与稳定性，提升端到端任务完成率与体验； 5、将线上真实表现持续反哺回评测集与知识库，沉淀可复用的归因方法与优化范式，让优化循环自身不断增强； 6、与研发、算法、产品及业务团队紧密协同，把优化成果转化为可衡量的商家经营效果。
1. 多模态模型的推理功能开发和性能优化，包括对Qwen-VL、Qwen-Audio、Qwen-Omni等多模态输入/输出模型的功能支持和推理性能优化。 2. 分布式推理架构的研发，包括多机推理架构设计，P/D分离、A/F分离、VL模型分离架构的落地。 3. 推理引擎服务化，包括推理引擎如何接入线上服务平台，自动扩缩容和可观测性的适配，以及提升线上服务稳定性。
1. 负责智能搜索与推荐引擎的核心架构设计与开发，重点攻坚高性能召回引擎，优化高并发场景下的查询延迟与吞吐量； 2. 大规模分布式系统的性能调优与稳定性治理，包括内存管理、线程模型优化及资源隔离，保障系统在亿级数据规模下的高可用性； 3. 基于大模型的多路召回系统建设，融合语义检索、关键词检索及向量检索技术，构建高效的 Search RAG系统，提升信息获取的准确性与相关性； 4. 跟踪业界前沿技术（如向量数据库内核、大模型推理加速等），推动新技术在业务场景中的从 0 到 1 落地，持续迭代工程基础设施。
我们是阿里巴巴智能引擎事业部模型优化团队，负责集团深度学习模型和 LLM 模型的推理性能优化与系统演进。在这里你将负责： ● 支撑淘宝、天猫、AIDC、高德等阿里巴巴集团业务的千亿级模型推理请求，是深度学习与大模型推理优化的前沿阵地； ● 研发高性能大模型推理引擎，围绕算子优化、请求调度、缓存管理和计算通信协同开展端到端优化，持续突破吞吐、时延与资源效率边界； ● 面向ScalingUp持续升级深度学习推理系统架构，重塑特征、模型的深度协同，支持百万级超长序列、TB级Embedding、数百亿参数规模的Dense网络的下一代搜索推荐深度学习模型。 ● 推动模型、系统与硬件协同优化，充分释放异构算力潜能，建设高性能、高稳定、可演进的模型推理基础设施。
1. 设计、实现、维护超大规模高性能、高稳定在线nosql分布式数据库系统Tair； 2. 应用先进的索引结构、协程、io_uring等技术，实现极致高效的存储内核； 3. 为读/写热点、cache一致性、读写一致性、高效分布式锁等典型场景提供解决方案； 4. 通过部署优化、自动扩缩、存算分离等技术，提升10万张规模表的资源利用效率及稳定性。
我们是阿里巴巴平台技术AI研发平台团队，负责AI应用研发平台的建设和维护。为淘宝、千问、闪购、高德、闲鱼、飞猪等多个业务部门提供应用研发基础设施。业界应用逐步转型AI Native研发模式，应用研发Infra需要朝着Agent进化，Agent Infra建设正在如火如荼的进行。 主要工作内容如下： 1. 负责Agent Infra研发：包括多模态通信链路、 MultiAgent框架、Context管理、Memory系统、Managed Agent、Java/Python多语言运行时等。 2. 结合业界Agent前沿技术， 通过Agent强化学习、Agent评测等持续学习对Agent进行调优。 3. 负责AI研发平台的持续迭代，参与平台的研发产品、流量调度、容器、可观测性等能力建设，支持AIGC、VLM、音视频通话等不同特性的系统形态。
1. KVCache 核心系统研发，负责 LLM 推理场景下 KVCache 的架构设计与工程实现，优化 KVCache 的内存管理、显存分配与生命周期调度策略，研究并实现 Prefix Cache、Radix Tree Cache 等高效缓存复用机制，提升 Cache Hit Rate。 2. 设计跨机、跨节点的分布式 KVCache 共享与迁移方案，实现 KVCache 在 GPU HBM / CPU DRAM / NVMe SSD 多级存储间的高效卸载（Offload）与加载，针对长上下文、多轮对话场景优化 KVCache 的存储与传输效率。 3. 推理性能优化，结合 Continuous Batching、PagedAttention、Chunked Prefill 等机制，协同优化 KVCache 调度策略，分析推理链路中 KVCache 相关的性能瓶颈，进行端到端性能优化，针对主流推理框架（vLLM / SGLang / TensorRT-LLM / RTP-LLM）进行 KVCache 模块的深度优化与定制。 4. 系统可靠性与可观测性建设，建设 KVCache 命中率、内存占用、调度延迟等核心指标的监控体系，保障大规模集群下 KVCache 服务的高可用与容错能力。
我们希望围绕大语言模型与 AIGC 模型，探索更具前瞻性的推理优化方法，并将其转化为真实场景中的性能收益。你将参与下一代推理加速技术的研究与落地，面向生成模型推理中的核心瓶颈，持续推进算法设计、效果验证与系统协同优化。 你将参与以下工作： ● 面向 LLM 与 AIGC 场景，研究生成模型推理加速的关键问题 ● 探索前沿生成范式，以及基于后训练的模型架构演进 ● 探索SOTA加速方案，如投机、sparse attention、LLM/Diffusion distillation等技术 ● 与工程及基础设施团队协同，探索框架+算法+算子一体的更大scope的加速方案 ● 跟踪相关领域前沿进展，推动新方法的快速评估与应用
1、面向 NVIDIA GPU等主流AI 加速硬件，对大模型核心算子进行深度性能优化，极致压榨计算与访存带宽资源，显著提升端到端推理吞吐量与延迟表现。 2、设计并实现高精度、极低比特量化内核，在保障推理精度的前提下，大幅降低模型存储占用与计算开销，推动大模型在资源受限场景下的高效部署。 3、针对大规模分布式推理场景，研发计算-通信协同优化技术，有效隐藏通信延迟，提升多卡/多节点系统的可扩展性与资源利用率。 4、和基模算法团队紧密配合，联合设计下一代Qwen模型结构，通过端到端性能建模、算子定制与框架优化，确保下一代模型结构的推理效能。
负责主流大模型在多种 AI 加速芯片和推理后端上的适配、优化与工程落地，覆盖 Qwen、DeepSeek、GLM、Kimi等文本、多模态与图像生成模型，目标平台包括 TPU、NPU 等各类 AI 加速芯片。该岗位需要深入理解模型结构、推理框架、算子/kernel、编译栈与分布式推理机制，推动模型在不同硬件平台上稳定、高效、可规模化运行。
本团队涉及如下方面的工作：（工作内容可以根据候选人专业特长安排） 1. 多模态模型的推理功能开发和性能优化，包括对Qwen-3.6、Qwen-3.7、Qwen-VL、Qwen-Audio、Qwen-Omni等多模态输入/输出模型的功能支持和推理性能优化。 2. 分布式推理架构的研发，包括多机推理架构设计，P/D分离、A/F分离、VL模型分离架构、WideEP、ElasticEP等功能研发与落地。 3. 推理引擎服务化，包括推理引擎如何接入线上服务平台，自动扩缩容和可观测性的适配，以及提升线上服务稳定性。 4. NPU/GPU各类算子、kernel开发、算子融合、Compiler的开发等。
我们的平台：TPP 是阿里集团一个经过多年打磨、支撑大规模在线业务研发交付的 超大规模Serverless 平台，在资源调度、超大规模在线Serving、极速迭代链路、可观测性等方向积累了完整的平台能力。Agent 时代，TPP 正在进行全面的 AI Native 升级——我们希望与你一起，既用 AI 重塑平台自身的研发范式，也把一站式业务研发交付演进到智能化形态。 我们需要你： 1、负责 Serverless 基础平台自身的 AI Native 升级：以 AI 重塑平台从需求、开发、测试到发布、运维的全研发生命周期，让平台自身成为 AI Native 研发模式的第一实践者； 2、、推动 TPP 在 Agent 时代的延续与发展：建设基于 Agent 的业务一站式研发交付能力，推动业务研发从 UI 操作模式转向自然语言对话模式；参与 Agent harness 效果工程，构建 Agent 评测与自进化的数据闭环，从工程角度持续提升 Agent 效果； 3、持续演进平台底座：设计并实现高并发、高可用、高性能、高可观测的 Serverless 运行时与调度体系，为业务提供坚实的技术底座，支持业务的智能化转型。 岗位可以带给你的成长： ①这个岗位具备相当的挑战性：平台承载大规模在线流量，对时延与可用性要求苛刻，而同等体量平台的 AI Native 升级在业内少有成熟方案可循，你做的每一步都是行业前沿的探索。 ②如果你一直做基础平台、中间件或高并发系统，正在思考如何走向 AI Agent，这里会是一个少见的落点： 平台工程经验是最大的本钱，是Agent从Demo走向生产的核心技术支撑。团队将提供体系化的培养支持，帮你完成从平台工程到 Agent 工程的认知升级。
本岗位隶属于我们是阿里巴巴大模型推理团队，团队负责集团内部大语言模型 AI Infra推理系统建设和维护，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。AI 性能工程师工作内容包括但不限于： 1. 参与大模型推理系统的研发，聚焦于推理框架与各种类型异构硬件的适配和性能优化工作。 2. 实现各类型“卡-模型”匹配度的自动化观测，指导资源调度策略，评估新硬件引入价值。 3. 线上服务的监控与问题定位，加速大模型能力在集团内落地。 如果您是一位后端研发工程师，具有丰富的性能优化经验，希望投身于AI Infra事业又苦于缺少相关经历，也欢迎投递本岗位，我们更看重您的学习和解决问题的能力！
我们是阿里巴巴离线推理团队，负责大规模多模态数据处理pipeline，支持非LLM的模型结构定制、异构卡型适配和推理加速。与千问、百炼等团队合作，以软件和SAAS的方式，为淘天、AIDC、高德、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。 1. 主导或核心参与基于编译技术的算子平台化优化方案，利用Triton、TileLang、JAX/MLIR等技术栈，支持模型结构的定制与优化，缩短新卡型或新模型的适配周期。 2. 使用专业的Profiling工具，对模型在异构硬件上的端到端性能进行分析，精准定位Kernel执行、数据搬运、通信等环节的瓶颈，并提出体系化的优化方案。 3. 针对特定异构芯片（如华为昇腾、AMD MI系列等），深入分析其指令集、存储层级（HBM/Cache）和计算单元特性，使用原生语言手写和优化核心算子，实现极致性能。
我们是阿里巴巴大模型推理团队，负责内部 LLM/AIGC 百炼推理服务建设，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。 AI 高性能计算工程师负责探索不同AI芯片（NV，AMD, 华为昇腾, TPU, 寒武纪等）的底层架构，使用硬件手写原生 Kernel、 Trition/Tilelang 编译优化等手段，解决“从0到1”（跑通）和“从1到N”（跑得快）的关键问题。 工作地点：北京、杭州，未来会开放「上海」工作地点，现阶段支持员工根据团队安排部分时间在上海办公，详情可与hr或面试官沟通。
1. 芯片Bring-up与子系统验证：主导芯片流片后的Bring-up调试，负责关键子系统（如DDR/PCIe Subsystem）的参数调优、适配及全功能验证。 2. 高低速信号与协议测试：负责高低速接口（PCIe 5.0/DDR5/UCIe/I3C/I2C/SPI等）的信号完整性（SI）测试与验证，确保协议一致性。 3. 电源、功耗与可靠性：负责芯片电源完整性（PI）测试、功耗分析及优化、量化性能评估及电源可靠性验证；执行PVT（工艺、电压、温度）压力测试。 4. 量产导入与ATE相关性：负责实验室环境与ATE（自动测试设备）的Correlation（相关性）测试，协同制定并验证Binning（筛片）策略，确保硅后验证与量产测试结果的一致性。 5. 自动化环境与标准建设：负责制定和完善高速信号测试标准及操作指导；开发自动化验证环境，编写并集成验证用例，提升验证效率。
1、负责公司实验科学能力设计与建设工作，包括沉淀公司核心实验场景和实验方法论，建立实验流量资源协同管理及实验流程管理机制，打造公司整体实验科学管理体系； 2、参与实验平台建设，将实验方法论、实验科学管理机制通过平台化方式向业务方赋能，保障实验体系运行顺利，提高实验执行效率； 3、负责具体业务模块的实验设计、评估与分析工作，为业务提供科学可靠的实验结论及优化建议； 4、负责负责或不可实验场景下重要项目、策略的效果复盘分析与方法论建设工作，完善对应场景的科学评估能力。
1. 基于前台业务的策略，评估对供应链计划影响，制定并拆解品类/场域/国家的销售计划，指导供应链库存备货、物流资源准备，对计划达成及准度负责 2. 建立并沉淀适配业务的销量/单量预测&计划模型，沉淀与前台业务的协同流程 3. 针对预测偏差归因分析，提炼提升预测能力的核心专项，协同算法、产技、业务推进落地，提升品预测准确率并持续优化 4. 负责供应链计划域的业务及数据产品需求梳理，协同产技部门推动产品建设
-既具备扎实的技术背景，又能熟练地与客户沟通，理解客户需求，并能够将公司的技术产品或服务有效地推广给目标市场； -建立并保持良好的客户关系，定期跟进项目进展，收集反馈信息。 -通过与潜在客户的深入交流，准确把握其业务需求和技术痛点，并结合公司产品特点，定制化设计解决方案； -为客户提供AI芯片的技术支持，确保产品在客户业务场景中的顺利落地； -向客户展示产品功能和优势，为客户提供全面的技术咨询和支持服务，解答有关AI芯片使用过程中的问题； -组织并实施针对客户的技术培训和研讨会，帮助客户快速了解AI芯片产品的规格、特性和使用方法； -收集并分析客户需求，并总结前代产品落地过程中遇到的各种问题将其转化为产品改进建议，与产品和研发团队合作推动产品升级； -与市场营销团队合作，以支持AI芯片在市场中的推广和应用； -持续关注AI领域市场及竞对最新动态和技术趋势，保持对公司产品的竞争力分析；