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. 针对整机柜超节点服务器，全面赋能计算、互联、监控、故障及性能诊断等核心能力； 2. 梳理适配超节点异构服务器产品的业务场景，开展对应的昆仑组件设计与开发，涵盖性能评测分析、容器镜像等关键模块； 3. 基于整机柜硬件架构及典型业务落地场景，构建典型故障与异常案例库，并设计相应的故障诊断方案； 4. 负责跟踪与研究主流GPU架构设计技术，参与下一代AI Infra的规划与设计； 5. 结合业务画像，构建面向异构硬件与系统的全链路量化分析模型，形成数据驱动的决策数据库，有效推动异构服务器产品的规划与规模化落地。
1. 针对整机柜超节点服务器，全面赋能计算、互联、监控、故障及性能诊断等核心能力； 2. 梳理适配超节点异构服务器产品的业务场景，开展对应的昆仑组件设计与开发，涵盖性能评测分析、容器镜像等关键模块； 3. 基于整机柜硬件架构及典型业务落地场景，构建典型故障与异常案例库，并设计相应的故障诊断方案； 4. 负责跟踪与研究主流GPU架构设计技术，参与下一代AI Infra的规划与设计； 5. 结合业务画像，构建面向异构硬件与系统的全链路量化分析模型，形成数据驱动的决策数据库，有效推动异构服务器产品的规划与规模化落地。
负责所在属地媒体关系与核心媒体的沟通，覆盖本地党媒、都市媒体和重点网络媒体，维护与省市宣传等有关部门日常联系。区域岗位离一线最近：本地的业务相关事务需要第一时间响应，区域资源要长期经营，成为公司与属地的连接点。 岗位职责： 1、独立负责所在区域的渠道工作：媒体关系的建设与维护，需要对属地具备深刻透彻的了解；日常项目的渠道策划及执行、舆情的监测与应对； 2、对内容质量把关：能定策略、对公司战略布局有基础认知，对交付的传播内容质量负责； 3、了解属地的本土政策导向：可根据属地政策特点，结合公司业务可做选题落地； 4、处理突发事件：舆情发生后快速响应，拿出可执行的方案并推动落地 5、与其他方向及总部协同，共享资源、互通信息；
负责所在属地媒体关系与核心媒体的沟通，覆盖本地党媒、都市媒体和重点网络媒体，维护与省市宣传等有关部门日常联系。区域岗位离一线最近：本地的业务相关事务需要第一时间响应，区域资源要长期经营，成为公司与属地的连接点。 岗位职责： 1、独立负责所在区域的渠道工作：媒体关系的建设与维护，需要对属地具备深刻透彻的了解；日常项目的渠道策划及执行、舆情的监测与应对； 2、对内容质量把关：能定策略、对公司战略布局有基础认知，对交付的传播内容质量负责； 3、了解属地的本土政策导向：可根据属地政策特点，结合公司业务可做选题落地； 4、处理突发事件：舆情发生后快速响应，拿出可执行的方案并推动落地 5、与其他方向及总部协同，共享资源、互通信息；
1.负责平台新品营销整体策略制定与落地执行，策划新品营销活动，拉动订单量与GMV增长； 2.制定新品上市营销节奏与传播方案，整合站内资源（搜索、推荐、频道）和站外渠道（社交媒体、KOL、信息流广告），实现新品营销声量与转化目标； 3.基于用户分层与市场洞察，设计差异化的新品营销玩法（如加价购、限时补贴、老用户专属权益等），提升活动ROI和用户复购率； 4.协同品牌方、渠道商及内部产品/运营团队，推动新品营销资源落地，确保活动按时上线并达成业务目标； 5.建立新品营销效果评估体系，通过数据复盘持续优化营销策略。
1、全面负责前置仓新址从选址踏勘到竣工交付的全链路工程建设管理工作，统筹进度、质量、成本与合规，确保项目高效、安全、合规落地 2、主导新址现场踏勘，评估物业结构、水电条件、交通动线、消防规范及周边环境等关键要素，输出选址技术评估报告，为开发决策提供专业支持。 3、全面管控施工现场，监督施工进度、工程质量与安全管理，协调施工单位、监理单位及内部相关部门，及时解决施工过程中的技术与协调问题，保障项目按期交付。 4、牵头办理项目建设所需的各项政府审批手续 5、建设成本管理的全链路管理"
1. 负责企业级办公Agent 技能市场产品/平台能力的设计和研发，包括前台产品能力、运营中心、开放对接能力等，打造企业办公易用/安全/统一的技能市场，加速AI在办公场景的大规模应用。 2. 参与搜索/意图识别等相关能力的设计和研发，涉及企业内部海量知识的接入/加工、搜索在/离线能力的建设（索引构建、意图识别、粗排/精排等），建设企业办公统一的搜索能力，同时结合技能市场的消费需要，提供高质量的findskill能力。
1、参与通用顶级域(gTLD)RSP平台（EPP、Whois、RDAP、Data Escrow等）的架构设计和开发工作； 2、参与通用顶级域RSP系统的规划和持续迭代升级，保障系统的稳定性、性能、可扩展性、业务合规性； 3、在深入理解ICANN合规要求、业务需求的基础上制定最佳技术方案，并推动方案高效落地； 4、通过AI Agent等新技术新方法的引入持续提升系统的稳定性、性能、业务合规性、运营效率等，助力业务发展。
1.负责阿里云大客户的数据类产品上云咨询和交付，了解客户的业务逻辑和数据架构，给出合理的数据产品组合和方案建议，为客户提供端到端的上云方案选型，设计，迁移咨询和实施服务； 2.总结项目交付过程中暴露的产品问题和解决方案，收集客户需求，推进产品不断进步，完善交付流程，降低交付效率和成本； 3.通过交付项目，抽象出可交付，可规模化复制的解决方案和服务产品，比如数据类产品性能优化，健康诊断，数据库分布式改造，去IOE，数据类产品多活解决方案等。
你将在以下三个领域： 1. 大型分布式系统软件的高可用性设计开发，自动化故障分析定位能力建设。 2. 高带宽高性能交换路由转发平面的定义、研发、测试和创新。 3. 大规模分布式路由协议的研发、测试和创新。 从事以下工作： 1、技术方案设计 • 收集、识别、分析网络架构和运维侧需求，并确定技术方案的目标、范围和交付成果 • 基于需求分析，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、数据架构和开发流程等 2、技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现 • 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等 • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署 • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等 3、稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠 • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能 4、技术预研 • 跟踪和了解最新的产品技术和趋势，根据业务需要提供最新的技术支持和建议。 5、技术规划 • 理解业务战略及重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。
1、 参与新业务讨论、合同审阅、涉税问题解答等一系列工作，对所处行业发展不断了解。贴近业务，平衡管理成本与收益，依法制定相关税务处理方案； 2、 能根据业务依法制定相关税务处理，落实合规和优化建议，协助各单位申请各种适用税收优惠； 3、 指导并复核企业税务合规管理工作，使团队能高质量、高效率地完成税务工作，对团队交付成果负责； 4、 根据法规与时俱进、不断优化税务管理流程的方式，使税务管理工作不断深入和完善，沉淀复用； 5、 与外部合作单位/监管机构建立并维持良好的工作关系； 6、对国内外税收环境的变化有一定的敏锐度和自己的见解。
1.基于对生意和链路的深刻理解，以及对用户消费习惯和周边竞对市场变化的洞察，数据分析的诊断，找到生意机会点，绘制门店经营大图，拆分线上线下生意目标以及落地； 2.懂商品特性，能够结合经营策略进行商品匹配找到售卖机会，知道不同场景不同用户卖什么，怎么卖，在门店做好场景打造-人货场匹配； 3.以“客户第一”思维执行做好公司营运标准，确保线下卖场顾客良好的体验； 4.熟悉仓配履约链路，做好卖场线上线下确保优质的履约服务和成本的管理； 5.针对门店问题，能够与区域中台做到协同沟通，并反推中台帮助门店解决问题； 6.通过门店精细化管理，做好费率、营运成本、损耗等管控，为门店经营结果负责； 7.掌握识人用人的基本方法，搭建良性人才梯队，激发团队积极正向拿结果；
技术服务与支持 • 积极响应热线、官网反馈、工单等多渠道的客户反馈和咨询，快速定位问题，解决疑难技术问题 • 高效地排查并解决产品技术服务问题，在服务过程中关注客户体验提升、有效管控客情 • 理解客户技术问题，基于产品知识和工具进行解决，对于产品缺陷和bug问题，升级给产研 标准化方案沉淀 • 持续推进服务标准化的建设，例如服务升级处置流程、故障应急流程、知识沉淀流程等 • 沉淀标准化的服务方案及通用技术方案，比如推动产品、工具、知识库的建设和改进，引导客户向合理的解决方案方向前进 • 编写相关产品技术类分析报告，输出知识库、服务技术文档等 • 负责提供研发、运维、安全等的技术培训赋能 生态运营管理 • 通过技术赋能、认证培训、质量体系、工具平台和组织文化建设等手段，建设技术服务生态体系 • 管控生态伙伴的服务过程和结果，保证技术服务关键指标的达成，无重大安全生产事故
1.负责自研分布式消息队列的架构设计与核心开发，优化消息生产与消费链路，提升高并发场景下的吞吐量与端到端延迟表现； 2. 建设集群管理、分区调度、负载均衡及容灾恢复能力，保障大规模集群的高可用与数据可靠性； 3.优化网络通信、内存管理和线程模型，完善流控、过载保护与多租户隔离，提升资源利用率和可运维性； 4. 完善顺序消息、消费进度、消息重试及积压治理，推进不同存储系统的适配与性能优化，推动技术演进。
1、主导底层数值搭建调优以及设计细化。 2、主导养成/经济体系的设计与持续调优，达成良好的预期体验。 3、与团队策划协作，为战斗、系统设计等部分提供数值支持。
主导大模型「AI for Science」中生命科学与化学方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，以可验证奖励（verifiable reward）为核心，定义模型在生物、化学场景下的科学知识理解、科学推理、工具调用与长程科研任务执行的能力边界，构建高质量、可自动判分、可复现的标注与评测数据集。具体包括： 1. 能力体系与标准制定：从 0 到 1 搭建生命科学/化学评测体系，完成能力维度拆解（科学知识问答与文献理解、假设生成、实验与合成路线设计、分子/序列/结构分析、多步科研工作流执行、结果验证与错误纠正）、任务难度分级、标注规范与评分标准，制定 rubric 与金标准，沉淀查重去污、难度校准、一致性审核的可复用工具链。 2. 数据生产与标注：设计贴近真实科研流程的任务与实例（结构预测、序列与基因组分析、单细胞与图谱数据解读、分子性质预测与逆合成路线设计、数据库检索 PDB/UniProt/ChEMBL、生信分析、文献综述与 notebook 计算），组织专家标注与示范，产出金标准与失败案例；与化学、生物实验团队协作打通「湿实验 / 计算」数据闭环，将真实实验结果——尤其是失败数据——转化为可用于 SFT、偏好与可验证奖励训练的高质量数据并回流模型团队。 3. 模型评测建设：对可对照公共数据库或计算判定的任务优先建成自动化 verifiable eval；构建端到端 Agentic 科学评测——涵盖科学工具调用与编排、多轮交互、长程规划、异常恢复、结果可复现性与科研安全边界（含双重用途/生物安全判断），推动任务从「单点问答」向「复杂真实科研场景」演进。 4. 质量管控与质检：建立双标注一致性校验、资深专家抽检、难度标定校准、查重去污与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例），并将结论回流数据生产与评测标准，保证结果可信、可复现、可追溯。 5. 数据基础设施共建：与工程团队共建支撑大规模科学标注与自动化评测的基础设施（沙箱 / 容器化科研环境、数据管线、评测框架），推进大规模生物数据（序列、结构、基因组、单细胞）的采集、编排与 AI-agent 接口建设。 6. 行业跟踪与跨团队协同：持续关注 AI for Science 与科学智能体方向动态；将评测洞察转化为模型改进方向（知识准确性、推理可靠性、长程任务成功率、科研安全），并与研究、工程及实验团队协作落地。
主导大模型「计算机操作」（Computer Use）方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型对浏览器与桌面原生软件界面的感知、理解与多步自主执行的能力边界，构建高质量训练与评测数据集。具体包括： 1. 能力体系与标准制定：从 0 到 1 搭建 Computer Use 数据体系，完成能力维度拆解（界面感知与视觉定位、控件识别与操作、多步任务执行、错误恢复、长程规划）、任务难度分级、标注规范与评分标准制定，制定 rubric 与金标准；覆盖有 DOM/accessibility tree 的结构化场景，以及无结构信息、需纯截图视觉 grounding 的原生应用场景。 2. 数据生产与标注：设计并产出高质量操作数据——组织多模态标注（截图、界面元素、操作轨迹、坐标级动作）、专家示范与金标准，覆盖浏览器任务（网页浏览、信息检索、表单填写）与桌面专业软件操作（办公文档/表格处理、CAD 绘图、Blender/3D 建模、图像与视频编辑、IDE 与终端命令、跨应用与 OS 级工作流），将真实使用经验转化为可用于 SFT、偏好与强化学习训练的数据。 3. 模型评测建设：构建贴近真实工作流的评测任务与端到端 Agentic 评测方案，涵盖视觉界面理解、工具调用与编排、多轮交互、长程规划、异常恢复与安全边界判断；针对桌面软件任务设计基于结果态的验证机制（导出文件校验、几何/渲染检查、脚本回读状态等），解决「操作对不对」难以自动判分的问题，推动任务从「单步指令」向「复杂真实场景」演进。 4. 质量管控与质检：建立任务查重与污染检测、难度标定校准、双标注一致性校验、资深抽检与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例）并回流数据生产与评测标准，保证结果可信、可复现。 5. 数据基础设施共建：与工程团队共建支撑大规模自动化标注与评测的基础设施（含桌面/容器化操作环境、数据管线、评测框架）。 6. 行业跟踪与跨团队协同：持续关注浏览器操作、桌面自动化、专业软件 Agent 等 GUI Agent 方向动态；将评测洞察转化为模型改进方向（感知准确率、视觉定位精度、操作可靠性、安全性），并与研究、工程团队协作落地。
1. 制定日用百货品类采销策略与年度规划，明确品类定位与价格策略，支撑业务目标达成； 2. 拓展并管理优质供应商资源，通过谈判优化采购价格、账期与供货保障，确保货源稳定与成本可控； 3. 制定采购计划与库存管理方案，协调仓储物流与销售环节，提升库存周转效率； 4. 分析销售数据与毛利贡献，优化品类结构，协助完成品类货架规划、SKU汰换及毛利优化，提高利润空间； 5. 协同运营、营销团队制定促销计划，提升销售转化与毛利表现。
主导大模型「操作物理设备」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，从 0 到 1 定义模型对实验室与工业设备的感知、理解、指令映射与多步自主操作的能力边界，构建高质量、可验证、可复现、以安全为先的标注与评测数据集。本方向以设备知识/接口规范、仿真与评测为核心：实体设备数据主要依托外部合作实验室与设备厂商协作获取，而非自建数据采集场。具体包括： 1. 能力体系与标准制定：搭建物理设备操作评测体系，完成能力维度拆解（设备状态感知与理解、read/write 原语到设备动作的映射、多设备编排、多步实验/工艺流执行、实时监控与动态调参、硬件错误恢复、安全限位判断、长程自主），制定任务难度分级、标注规范、评分标准与 rubric / 金标准。 2. 数据生产与标注：构建设备知识与「参考文件」数据——将设备手册、隐性操作经验、机器特性（如机械臂负载、量程、安全边界）通过自然语言标签结构化，沉淀为可供 agent 直接消费的标准化设备描述文件（能测什么、能调什么、强制哪些安全限位），支撑 agent 操作「从没见过的新设备」；以仿真与数字孪生为核心开展数据生产，在 digital twin / hardware-in-the-loop 环境中生成、扩充并验证设备操作轨迹与失败案例，缓解 sim2real 差距；实体设备数据通过与外部合作实验室、设备厂商协作获取，而非自建采集运营。 3. 模型评测建设：设计贴近真实科研/制造流程的评测任务，覆盖仪器操作（显微镜、液体处理器、机械臂、板读仪等）、跨设备协同、标准实验流程（如蛋白测定、qPCR、设备/激光校准、剂量-反应曲线）与工艺编排；构建端到端 Agentic 物理评测与安全验证——涵盖工具/驱动调用与编排（MCP、CLI、设备 API 与设备互操作规范集成）、多轮交互、长程规划、实时控制约束、异常与硬件故障恢复；针对物理任务设计基于结果态的验证机制（实验产出校验、设备状态回读、碰撞/超限检测），并把安全边界与不可逆风险评估作为一等公民，推动任务从「单条指令」向「复杂真实物理场景」演进。 4. 质量管控与质检：建立查重去污、难度标定校准、双标注一致性校验、资深抽检机制，规范多模态标注（传感器信号、设备元素、动作轨迹、指令级动作）并做一致性审核；对 bad case 做根因分析（数据 / rubric / verifier / 实例）并回流数据生产与评测标准，保证结果可信、可复现、以安全为先。 5. 数据基础设施共建：与工程/硬件团队共建仿真环境、评测框架、驱动集成与数据管线，推进可复现的物理设备数据资产沉淀。 6. 行业跟踪与跨团队协同：持续关注具身智能、实验室自动化与设备互操作方向动态；将评测洞察转化为模型改进方向（设备感知准确率、操作可靠性、安全性），并与研究、工程、硬件及外部合作实验室协作落地。
主导大模型「金融财会」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型在财务、会计、审计、税务、金融分析等场景下的能力边界，构建高质量、可验证、可复现的标注与评测数据集。金融财会可验证性强——会计恒等式、报表勾稽关系、税法规则、会计准则等均有客观标准，既适合规模化数据生产与自动判分评测，也对数字精度与合规零容忍。具体包括： 1. 能力体系与标准制定：完成金融财会能力维度拆解（财报分析与编制、账务处理与对账、税务申报与筹划、审计底稿与核查、估值与财务建模、金融数据分析、合规判断）、任务难度分级、标注规范与评分标准，制定 rubric 与金标准，沉淀查重去污、难度校准、一致性审核的可复用工具链。 2. 数据生产与标注：设计贴近真实财务工作流的任务与实例，共建 rubric，组织专家标注与示范，产出金标准与失败案例；覆盖财报/对账/发票/税务/审计底稿/估值/研报等场景，将领域经验转化为可用于 SFT、偏好学习与可验证奖励训练的高质量数据。 3. 模型评测建设：设计可自动核验的评分机制（对账勾稽、税额计算、准则符合性等），并构建端到端 Agentic 评测——覆盖 Excel/ERP、金融数据终端、数据库与 MCP 工具调用、多步财务流程执行；重点检出数字精度错误、幻觉与合规风险，推动任务从「单点问答」向「复杂真实财务场景」演进。 4. 质量管控与质检：建立双标注一致性校验、资深专家抽检、难度标定校准、查重去污与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例），并将结论回流到数据生产与评测标准，保证结果可信、可复现、可追溯。 5. 数据基础设施共建：与工程团队共建支撑大规模金融财会标注与自动化评测的基础设施（数据管线、评测框架、沙箱 / 容器化环境），推进可自动判分的数据资产沉淀。 6. 行业跟踪与跨团队协同：持续关注金融财会大模型与 Agent 方向动态；将评测洞察转化为模型改进方向（数字精度、准则理解、合规可靠性），并与研究、工程及业务团队协作落地。