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、 酒店拓展：拓展区域优质酒店，保证区域供应链完整、拿回优势价库； 2、价库运营：结合平台工具和资源，做好基础信息维护、工单处理、平台重点项目的落地执行，提高间夜产出； 3、商户问题处理及关系维护：解决商家遇到的如操作、财务、订单、商品优化等方面的问题，并通过高频次拜访，帮商家解决具体问题及维护与商家的关系； 4、结合区域酒店情况做好售卡目标的规划和执行，以此提升酒店间夜产出。
负责国际化多模态大模型的优化以及智能体的构建，落地到违禁、知识产权、资质不符等各类商品风险防控治理中，包括但不限于： 1. 商品多模态大模型优化，包括多语言多模态电商数据挖掘与清洗、任务微调、强化学习偏好对齐等，对海量商品信息（包括图片、标题描述等）进行高准确率、高召回率风险识别； 2. 参与智能体框架的设计与实现，推动在各类治理场景中的落地； 3. 基于业务风险目标、审核成本和机器成本要求，设计落地多模态大模型运行的机制，达到风险、成本、体验的更优平衡。
1. 深入了解边缘推理应用场景，挖掘客户核心需求，结合行业发展趋势，转化为芯片关键规格，参与芯片架构定义与Roadmap规划。 2. 负责芯片配套软件规划与设计，规划芯片SDK、驱动、运行时、工具链等配套软件，设计典型部署架构与实践方案。 3. 针对不同市场方向，规划相应的硬件参考设计和核心器件选型指南、参考BOM及DFM建议，确保整体方案可复用、可量产。 4. 面向开发者和行业客户，提供技术文档、示例代码、Benchmark及适配支持，支持和推动标杆项目量产落地，并反馈市场需求以驱动芯片与SDK持续迭代
团队介绍： 业务平台技术团队致力于通过建设敏捷的业务技术助力海外业务创新、突破，当前我们服务阿里国际数字商业业务，如AliExpress、Lazada、天猫淘宝海外、Daraz等。我们是一支领航的平台团队，坚持基于云原生的中台开源技术路线，建设简单、开放、务实、专业的全球化业务平台，用技术助力业务！加入我们你能够和我们一起建设前沿的云原生时代全球化产品技术架构；你能够体验到洲际互联带来的网络、数据、产品、系统等全方位的挑战；你能够感受到全球不同肤色、不同民族的用户在你构建的平台上完成购物的喜悦！ 职位描述： 1、深度参与 AICoding 核心项目建设，利用大模型（LLM）、RAG 及 Agent 协作架构，攻克从 PRD 语义解析、技术方案设计到代码自动生成的关键技术瓶颈，通过构建领域知识库与智能工作流，持续提升复杂业务场景下的代码自动化产出比例。 2、负责 Lazada/AliExpress/Daraz/Miravia 等全球化电商核心业务的需求支撑，深度结合 AICoding 工具，将 AI 能力注入到日常开发链路中，实现多国、多端复杂业务逻辑的高效迭代，在保障交付质量的同时，探索并实践 AI 驱动下的敏捷开发新模式。
1、围绕平台和商家经营，从品类、价格带、城市和商家类型等维度，识别品相关的增长机会，设计运营体系和具体策略； 2、能建立并推动跨团队复杂项目，完成目标拆解、机制设计和结果落地； 3、能从一线销售视角，将目标、策略、资源、能力进行贯穿设计，提升运营效率； 4、帮助团队一起，提升数据分析、方案设计、AI工作流等能力。
1. 负责直营商品规划与目标达成，通过曝光转化率、有货率、品规覆盖率等过程指标开展监控、诊断与复盘。 2. 制定品类与商品规划，结合需求与趋势识别增长机会与供给缺口，推动阶段性规划落地。 3. 推动商品经营全链路闭环（选品→铺品→入仓→在架），通过竞价与货盘结构调整降低成本，平衡规模与利润。 4. 联动产技、行业、供应链推动跨团队项目落地，沉淀标准化SOP与工具能力，对业务结果负责。
1. 负责核心业务场景下的算法设计与优化，推荐领域的召回/粗排模型开发及策略迭代，推动技术方案在业务中落地并提升关键指标； 2. 基于大规模数据构建用户行为分析、探索召粗模型升级，探索前沿大模型技术在电商场景的应用，优化用户体验与业务效果； 3.围绕序列、参数、数据三大 Scaling 主线，通过将序列建模与Scaling Up深度融合，推动排序算法从特征工程驱动向规模驱动的范式升级； 4.探索大语言模型应用在大淘宝推荐场景的落地，建立新一代认知推荐算法体系，结合交互式推荐的产品创新，提升用户体验和首页推荐的长期价值； 5.构建基于意图引擎驱动的agentic 推荐系统，跟进和研发大规模语言模型的预训练、持续训练、SFT、RL 等技术，在推荐场景落地并提升关键指标。
1、基于飞猪酒店业务，进行高星酒店业务拓展，保证所辖区域高星酒店覆盖率； 2、结合阿里生态&市场特性为高星酒店客户提供运营方案，帮助商家提升运营能力并驱动销量持续提升，与所辖区域商家并建立深度业务合作关系； 3、协同产品、运营团队，推动业务及项目落地，持续优化用户体验。
1. 负责公司高层的日常出行接送工作，确保准时、安全抵达目的地。 2. 负责车辆的日常维护与保养，包括清洁车辆、检查车辆性能、及时补充行车所需的物品等，保证车辆处于良好运行状态，并做好相关记录。 3. 协助处理车辆相关事务，如车辆年检、保险办理、违章处理等。 4. 遵守交通规则，安全驾驶，确保行车过程中人员和车辆的安全。 5. 在必要时，积极服从领导安排，协助完成公司其他临时安排的任务。
1. 针对预训练（含mid-training，下同）模型在coding，cowork，长尾知识，长文本能力等方面的弱点，设计并构建具有可扩展性的自动化评测方案及高质量数据集。 2. 整合高质量公开评测集和私有评测集。为不同训练阶段、不同领域、不同优化目标（模型结构/数据配比/主线模型迭代）定制评测方案，挑选质量最高、领域最合适、区分度最好的评测数据与指标。 3. 与工程团队合作提高评测系统的效率与稳定性，完善评测故障分析与检测，并推动文本评测与Agent评测的自动化与可视化。 4. 设计Pretrain + LightSFT的数据配比和训练策略并搭建相关pipeline，实时检测预训练模型的agentic潜力。 5. 设计面向后训练agent能力导向的预训练评测范式，挖掘高预测性的external metrics以及internal indicators，寻找上限更高、潜力更强的预训练基座。
这个世界的运行机制是否是可计算的？世界的复杂性是否唯有用 AI 的复杂性来应对？人类是否可以造出一台机器，让未来就像过去一样历历在目？ 这些问题正在从思辨走向科学。当视频生成模型开始隐式学会重力与碰撞，当 3D 场景合成可以补全从未被观测的视角，当 action-conditioned generation 让智能体在虚拟世界中试错而非在真实世界中付出代价——通用世界模型的轮廓已经浮现。它不只是下一代生成式 AI，而是对物理现实的可计算镜像：给定任意初始状态与动作序列，推演出符合物理规律的未来。 阿里巴巴旗下高德地图·视觉技术中心已经在这条路上深耕多年。我们拥有高德积累 20 年的海量真实时空数据，无限制的算力集群，以及一支在空间智能与生成式 AI 领域持续产出世界级成果的顶尖研究团队。 现在，我们需要你的加入——与我们一起，把「让机器理解并预演物理世界」从可能变为现实。 【岗位职责】 1. 参与通用世界模型核心算法研发，包括但不限于视频生成、3D 场景合成、物理仿真等方向； 2. 设计并优化大规模生成模型的训练与推理流程，在万卡集群上实现高效训练； 3. 构建数据飞轮——从海量真实时空数据中提取高质量训练信号，持续提升模型对物理世界的理解能力； 4. 将世界模型能力落地于自动驾驶仿真、导航场景预测、空间智能等实际业务场景。
我们是谁？ 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现厘米级高精地图、实时三维重建、多模态感知等核心技术的引擎，持续突破自动驾驶、AR导航、智慧交通等领域的技术边界。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 岗位职责： 我们在构建面向具身智能与交互式世界模型的下一代推理基础设施：支持多模态流式输入（视频/传感器/地图）、实时闭环输出（动作/轨迹/场景状态），在端云一体部署下实现确定性低延迟、可规模化吞吐与可持续的成本效率。你将负责推理加速基础框架与关键性能机制建设，打通“模型—引擎—硬件—调度—观测”的全链路。 你将负责 1) 推理基础框架与运行时 ● 设计并实现端云一体推理框架：统一模型加载、版本管理、热更新、灰度与回滚能力 ● 建设流式推理 pipeline：ingest → preprocess/encode → predict/plan → control，支持异步与背压 ● 推理引擎集成与改造：vLLM / TensorRT-LLM / SGLang / TGI（云端），TensorRT / ONNX Runtime / TVM / NPU SDK（端侧） 2) 实时调度与性能关键路径 ● Prefill/Decode 分离调度（如适用）、长度分桶、连续 batching、尾延迟治理（P99/P999） ● KV cache 管理：paged/block、prefix/prompt cache、逐出策略、显存碎片治理 ● 多机多卡并行与通信：TP/PP/EP（MoE），NVLink/IB/RDMA 等链路优化 ● 投机解码/并行解码（Speculative/Medusa 等）在业务场景的落地与收益闭环 3) 量化与算子/Kernel 优化 ● 建立 profiling 体系：算子画像（attention/GEMM/视觉编码/采样解码等）、输入分布、性能回归基线 ● 分层量化策略：FP8/INT8/INT4 与 activation-aware 量化，质量回归与灰度上线 ● CUDA/Triton kernel、算子融合、内存与流水并行优化；端到端 latency 优化而非单点指标 4) 可观测性与可靠性 ● 建立实时推理指标体系：E2E latency、jitter、FPS/Hz、丢帧率、功耗/温控降频、OOM/重试等 ● 帧级/样本级 tracing，故障定位、过载保护、降级与安全回退路径（端侧尤重）"
关于团队 我们是瓴羊One 经营参谋技术团队，业务覆盖电商智能运营等核心场景，用 Agent + 大模型重塑商家的"看店、问数、做内容、做决策"全链路。 Agent 能不能被信任，最终取决于它读到的数据对不对、快不快、懂不懂业务。所以数据研发在这里不是"提供表"的角色：你要建的是面向 Agent 的数据语义层——让指标口径、维度关系、业务规则以智能体可理解、可调用、可推理的形式沉淀下来。我们离业务足够近，也离模型足够近，链路完整、决策空间大。 你将负责 1、面向 Agent 的数据语义层建设：参与并主导语义层的设计与落地，推动数据资产从"一堆表"演进为智能体可理解、可调用、可推理的消费形态（语义模型、统一指标口径、元数据与工具化接口），支撑 Text2SQL / 问数 / 分析助手等场景； 2、端到端建模与交付：负责核心业务域的数仓分层与模型设计（ODS/DWD/DWS/ADS），基于流批一体架构（Flink + Spark/MaxCompute + Paimon）完成实时与离线链路的统一构建、开发与上线，对交付结果负责； 3、实时计算攻坚：主导 Flink 实时链路建设，覆盖 CDC 接入、多流 Join、维表关联、状态管理与 Exactly-Once 保障；独立处理反压、数据倾斜、Checkpoint 失败、状态膨胀等线上问题； 4、质量治理与稳定性保障：建设覆盖全链路的监控告警、基线、DQC 规则与血缘追踪，确保关键数据任务满足 SLA；参与故障应急与复盘改进； 5、成本与研发效能：负责计算/存储资源治理与任务性能优化，沉淀研发规范、模板与自动化工具，让治理靠机制而不靠人肉巡检。 我们提供 真实场景：服务百万级商家，数据链路每天被业务、被 Agent 真实调用与拷问；完整链路：从接入、建模、语义层、服务到治理与评测，技术栈不"半成品"；决策空间：技术选型与架构演进有充分话语权，团队鼓励"先发起、再讨论"；成长加速：与一线大模型、Agent 框架团队紧密协作，定期内部技术分享。
研发下一代机器人通用运动控制器的研发与落地：基于强化学习突破复杂地形自适应运动、多运动模态平滑切换、sim2real策略部署等关键技术，构建面向真实物理系统的运动策略训练框架，提升运动保真度与鲁棒性。
推动在各个行业专家领域高生产力价值Cowork Agent的构建与实践落地，让模型在Agent环境中完成现实世界的真正复杂任务，持续提升模型在真实、高经济价值任务中的表现，拓展大模型实际能力边界。 1. Envs/Harness Building & Generalization：复现并维护高可靠性主流Harness环境，提升模型在不同Harness场景下的泛化能力；同步探索Qwen Frontier Harness设计，探索Loop Engineering、Multi-Agent 与 Auto-Harness，与算法/数据链路 codesign 实现更好效果。 2. Data Design & Scaling：挖掘金融、量化、法律、医疗、设计、数据分析、工业、工程等场景下的高价值数据和workflow，探索数据Pattern演化，User-Centric Data优化，General Long-Horizon Data Pipeline构建；在CPT/SFT/RL端到端验证配比/学习策略，优化模型端到端长程的行业Agent解决方案。 3. Agentic Rewarding System：构建面向真实Agentic任务的General Verifier，设计Evolving Rubrics、Code Verifier、实现Outcome & Process Level 数据监督与自动化Rewarding，User model Rewarding。 4. Real World RL：基于现实环境、现实任务的大规模Agentic RL训练，探索CPT->RL的端到端Scaling Law，Multi-step Rewarding Shaping，Agentic Behavior Learning。
1. 统筹平台物流骑手保险业务策略的制定及优化：负责业务策略的制定和实施，形成标准化规范、流程、机制并业务沉淀，确保所负责项目的高质量交付及运营。 2. 负责骑手保险业务的运营支持工作，包含但不仅限于资金结算，跨部门机制建设等。 3. 牵头进行骑手险业务分析及洞察，制定并完善运营指标；制定优化策略，通过迭代平台产品及运营机制，提升运营效率。 4. 洞察业务风险及完善用户需求，围绕风险、效率、成本持续迭代保险运营指标，完善建立指标体系，缮制业务分析报告，推动建立业务分析工具，推动业务持续优化。 5. 参与保险运营的分析及调研，为骑手保险体系的深化建设制定规则和可行性方案；重点项目的管理与推动，部门其它保险保障事项的协同等。
1、标准化技术支撑 • 通过风险治理、产品变更升级、故障应急等来维护客户云平台的稳定性 • 通过不断的资源与性能优化，帮助客户持续提升用云效率 • 以用户视角推动云产品运维能力可支持性持续提升，降低云平台运维难度 2、标准化迁云 帮助客户业务迁移上云、用好数，为客户提供应用/大数据架构设计、数据库国产化，应用/大数据性能调优，数据治理以及数据中台建设等技术服务，提供云上产品在行业应用的最佳实践和解决方案。 3、技术支持 • 作为主要联系人，解决客户在使用阿里云服务过程中遇到的技术问题，通过风险治理、产品变更升级、故障应急等来维护客户云平台的稳定性 • 向客户提供最佳实践、指导和培训，帮助他们充分利用阿里云的功能和服务 • 向客户提供全方位的云技术支持、成本优化、成熟评估与咨询、合规与安全加固等服务，以提升客户的云上业务效率和可靠性 4、技术咨询和规划 作为技术专家，理解客户的IT战略和方向，结合云产品为客户提供深入的技术咨询、架构建议、产品选型等服务相关解决方案，成为客户数字化转型的长期伙伴 5、云上优化 • 通过对业务需求的深入理解，搭建和优化系统架构、建设业务容灾能力、设计和实施监控系统，引导日常容灾演练，以提高云上业务的稳定性和可靠性，保证高并发下的系统性能和响应速度 • 实现智能监控和预警，提升客户的业务效率和用户体验，并优化基础架构和应用程序 6、客情建设和商机拓展 识别客户关键决策人，用客户的语言展开对话，获取客户信任，挖掘产品和技术需求，形成有效商机并进行履约
1、作为云产品容器云原生领域的专家，为客户提供云产品的专家服务支持，负责疑难升级问题的快速定位、分析解决。 2、与研发团队对接，根据客户反馈的问题推动云产品Bug修复、架构方案优化。推进后台诊断工具、用户侧自主化诊断工具的落地。 3、基于云产品问题排查能力和经验，利用AI Agent来完成问题处理提效。 4、整理输出官方技术文档与解决方案，指导用户合理使用云产品。 5、为客户提供企业级服务中云产品相关场景的的解决方案，协助客户完成云环境上的业务技术落地。
1、负责淘天集团直营业务的行业运营，能够基于业务目标拆解，制定行业年／季／月度运营计划，对生意结果负责； 2、洞察消费者需求，制定行业品类增长策略，设计分层商品梯度并做好商品决策关键要素的运营，联动商家定向引入供给，结合渠道机制运营打爆，实现业务规模的增长； 3、有商家运营经验，可以结合业务发展需求，设计商家分层梯度并运营商家，整合资源，实现商家规模&业务规模的增长
1. 负责研发大规模世界模型，提升模型对真实世界动态变化的建模能力。 2. 研究可规模化的世界模型架构，解决世界模型在长程预测中的物理一致性问题和长期记忆等问题。 3. 构建世界模型数据体系，探索世界模型在参数与数据规模上的 Scaling Laws。 4. 构建可交互的世界模型系统，并推动技术在实际产品中的落地。