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
业务逻辑： 作为市场、用户、品牌业务的参谋角色，核心职能包含两个方面： 赋能业务、效率提升。 1、赋能业务：基于业务情况，进行业务诊断、目标管理、效果评估等，完善整体的数据指标体系，明确业务问题，为业务提供客观的数据支持。 2、效率提升：基于集团数据资产与业务分析体系，构建自动化的、可视化的数据产品，提升整体分析与决策效率。 通用职责： 1、负责通过数据分析洞察，建立业务数据管理和监控体系，识别数据产品化的机会，通过产品设计提升数据的应用效率，建立业务数据产品体系； 2、负责业务数据支持，并支持业务分析、目标测算、预算规划、评估复盘、提供业务策略或建议； 3、面向市场、用户、品牌、GR等业务相关数据定期产出相关汇报及分析报告； 4、负责多维数据集的规划与设计、业务数据报表需求分析、设计、落地，为业务及管理层提供决策支持与业务分析； 5、负责模型建立与优化，在对业务、场景和用户深刻理解的基础上，能将业务问题抽象为数据问题，并通过建模解决。 6、与协作部门紧密合作、推动数据相关问题解决，共同达成业务目标。
1、负责淘宝闪购多模态搜索产品能力建设，以图搜为核心抓手，覆盖拍照搜、以图搜图、AI 意图理解、语音搜索等创新搜索形态，提升用户找货效率与搜索转化。 2、深入理解即时零售与本地生活场景下的用户搜索需求，结合商品、门店、SKU 等多维供给，设计并优化图搜链路中的意图识别、结果召回、排序策略及结果表达。 3、联动算法、工程、设计、运营等多团队，推进图搜/AI 搜索从策略定义、能力建设到产品上线的全链路落地，持续迭代搜索体验与核心指标（CTR、CTVR、转化率、用户满意度等）。 4、探索生成式 AI 在搜索导购场景的应用，优化 query 理解、智能联想、结果解读、导购引导等环节，提升搜索的智能化与人性化体验。 5、建立多模态搜索的数据观测与评估体系，通过用户研究、A/B 实验、bad case分析等手段驱动产品持续迭代。
1、定义网络安全基座模型的知识体系和评测体系 2、建立网络安全基座模型的知识迭代飞轮，从多种知识来源收集沉淀网络安全领域知识，与算法同学合作为网络安全基座模型提供高质量领域知识与数据 3、针对网络安全基座模型在评测中的问题进行归因分析，识别网络安全基座模型的短板
本岗位支持魔搭站点（modelscope.cn）以及整体技术生态对应的后端服务的研发工作。同时负责在快速迭代的AI领域，架接模型贡献者和模型使用者之间的桥梁。支持新模型，新应用的迅速接入，确保前沿模型以及衍生的AI生态能在魔搭上迅速落地。具体工作包括（但不限于）： 1. 魔搭模型，数据集，创空间等功能研发以及后台服务的管理，以及上层Agentic应用的服务化和产品化建设。 2. 通过与底层云基座打通，打造魔搭服务平台自动弹性和水平扩展能力，为千万级别的开发者用户提供稳定的服务，实现高效的计算资源使用。 3. 围绕魔搭的模型生态，开发LLM、Diffusion等各领域大模型实现应用落地所需的相关工具链。并支持模型从ckpt落地为实际应用和服务化所需的自动化部署，评测等一系列工程链路。 4. 撰写技术设计文档以及用户文档，包括操作手册和最佳实践指南等。
1. 负责语音助手场景的记忆相关能力建设，包括对话数据、行为数据、应用数据的记忆生成和召回链路； 2. 负责大模型在记忆机制（如外部记忆库、长期上下文管理）和数据处理（如机器数据预标注、质检）方面的算法研究与开发； 3. 记忆相关agent算法研发，保证记忆能力在对话中控、领域agent、个性化交互等场景的高质量交付。
1、客户关系管理 • 客户开发：主动了解关键行业knowhow，保持对AI趋势的深度、及时掌握，识别市场机会，开拓新客户或挖掘现有客户的产品和技术需求，形成有效商机。 • 客户业务理解及需求挖掘：充分了解客户商业模式、AI场景下的业务挑战，进行客户组织架构梳理和决策链摸排，获取客户信息，通过串联客户OKR，找到双方合作机会点。 • 建立组织客情：维护好关键决策点的客情关系，与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持。 2、产品和技术价值传递 • 理解阿里云产品及解决方案：深入理解飞天云计算操作系统、七大件、全栈AI（从算力到模型到应用）等阿里云产品的技术价值，了解竞对的差异化竞争优势，能够根据客户需求初步制定解决方案。 • 独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值。 3、制定商务策略及商机转化 • 促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢。 • 客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地。 4、持续做好客户服务 • 客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度，长期陪伴客户成长 • 推动产品反向优化：将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。
1. 负责客户端（Web、移动端、桌面端等）安全风险评估、风险分析及风险治理体系建设，持续提升整体安全水位。 2. 建设 AI Native SDL 在客户端研发流程中的落地能力，将安全能力融入设计、开发、测试、发布及运营全生命周期。 3. 建设终端智能体（Agent）安全体系，保障 AI Agent、MCP Client、Browser Agent 等新型客户端形态的身份认证、权限控制、工具调用及运行时安全。 4. 建设客户端运行时安全能力，覆盖代码完整性、环境可信、设备风险、数据访问、敏感能力调用等核心风险场景。 5. 建设客户端风险发现、自动分析及治理平台，持续提升风险识别、修复建议及治理自动化能力。 6. 利用 AI 提升客户端代码分析、安全评审、风险评估、漏洞分析及自动化治理效率。 7. 推动客户端安全能力平台化、产品化，为研发提供默认安全（Secure by Default）的基础能力。 8. Always First Principal
1. 负责零售、快消、连锁餐饮行业To B客户售前支撑，根据客户业务需求，独立定制、输出高德云图LBS解决方案，覆盖门店选址、商圈分析、渠道管理、营销运营、供应链优化、AI企业应用等场景。 2. 对接宝洁、联合利华、伊利、蒙牛、麦当劳、肯德基等头部零售品牌客户，完成需求调研、方案撰写、客户宣讲、答疑、投标支撑等售前全流程工作，推动项目落地成单。 3. 沉淀零售行业标准化方案、标杆案例，持续迭代行业解决方案体系，赋能销售一线拓展。 4. 联动产品、研发、交付团队，跟进方案落地，协调解决项目问题，保障客户交付与满意度。
伙伴拓展 • 结合业务策略，拓展、培育生态伙伴资源及网络，形成以AI和公共云为核心的生态体系，提升阿里云整体产品(MaaS\Agent\公共云等）销售、技术方案和交付实力。 战略合作协议签订及策略落地 • 基于年度业务目标及伙伴合作政策，挖掘、调动伙伴资源，设计并与伙伴协商签订合作协议。 • 制定GTM plan，通过销售激励，联合市场拓展，推动合作协议落地执行，实现业务策略有效落地。 合作关系管理 • 与公司内部相关方、生态伙伴的关键人员建立长期深度的沟通合作机制，促进阿里云和生态伙伴的长期、全面合作关系，包括但不限于长期业务合作规划、项目团队建设、联合商机拓展、服务&交付合作、联合解决方案方案推广等。 协助生态伙伴发展（行业生态） • 指导合作伙伴基于阿里云开展业务，能够站在合作伙伴的业务角度，从市场拓展、产品规划等方面指导合作伙伴的阿里云业务从无到有、从有到多的发展。 推动合作创新 • 与具有重要影响力的合作伙伴一起推动创新，洞察客户需求和市场机会，推动新产品、新技术、新领域的联合解决方案从想法落地到上市。
❏ 统筹海外仓商品合规审核团队的日常管理，建立商品准入审核标准与流程，防范因资质缺失、标签不合规等导致的清关、平台下架及法律风险； ❏ 搭建并持续优化商品审核SOP、审核时效及质量指标，根据品类风险制定差异化审核策略； ❏ 带领团队完成欧代、CE认证、DoC、法国WEEE/电池法/包装法注册号等资质的审核与归档； ❏ 推动合规文件、审核结果与SKU/批次在WMS或合规系统中关联，建立可快速调取的资料台账； ❏ 识别高风险卖家与高频问题品类，建立健全商品合规管控机制，输出风险预警与处理建议； ❏ 联动关务、法务、客服、销售等部门，同步法规与平台政策变化，参与商家准入合规评估，推动流程与系统改进
1、日常运维 • 负责数据中心基础设施日常运维及管理工作，制定数据中心基础设施运维策略与运维计划，保障设施稳定性，均衡考虑运维质量、效率、成本及安全。 • 通过基础设施数字化运维管理，提高机房管控能力和兜底能力，保障维修及时率、风险闭环率等各项指标达标。 2、安全合规 • 落实数据中心内所有岗位的安全生产要求，推动数据中心在环保、消防、职业健康、法务、廉正等方面的合规运营，防止出现人员/设备的重大责任事故、行政处罚/责令整改等被动监管事件。 • 识别安全合规风险，建立并完善风险管理机制，负责重大事件的上报和跟踪处理。 • 建立属地资源网络管理，推动与属地政府关系的全方位深化，为属地稳定安全合规运营提供坚实保障。 3、优化改进 • 负责所辖数据中心的基础设施运维工作优化，制定/梳理阿里IDC运维管理制度、操作手册、应急管理流程和应急操作预案。 • 负责阿里IDC能效优化工作，实现机房高效运行。 4、技术支撑 • 负责数据中心运维侧技术管理，能带领团队通过技术管理为数据中心设计、设备选型等技术迭代提供技术支撑。 5、团队管理 • 负责数据中心运维团队的日常管理、考核、人才梯队建设、能力培养，规划数据中心运维人员技术培训工作，提升运维团队服务水平。 • 建立与运营商、上级主管等部门间顺畅的沟通渠道，防止出现数据中心运营风险，确保阿里运营策略要求合规落地。
岗位描述：面向大模型"加速乃至自动化 AI 研发本身"的能力（自主写代码、跑实验、复现/改进算法、端到端做研究，进而推动模型自我迭代），独立负责其能力提升的完整闭环。 岗位职责： 1. 设计衡量 AI R&D 自动化 / 自我改进能力的评测任务与指标，对标并扩展业界 benchmark（RE-Bench、MLE-bench、PaperBench、SWE-bench 等）；核心指标包括相对人类专家的 uplift、长程 agentic 任务成功率、随时间 / 算力预算的收益曲线，并区分真实能力提升与刷分（reward hacking）/ 数据污染。 2. 定位模型在真实研究工程场景（跑实验、调优、写高性能算子、复现论文、自动化 ML）中的短板与失败模式。 3. 针对短板设计数据与环境合成方案：构建真实的长程研究工程环境、agentic RL 环境，结合拒绝采样、self-critique、AI feedback（RLAIF）、自动生成训练数据 / 代码等，产出高质量训练数据。
1. 负责Qwen大模型预训练数据的算法设计与体系建设，面向海量文本、代码、多模态等数据，开展数据采集扩充、质量评估、筛选配比和合成优化，建设高质量、可持续迭代的预训练数据管线； 2. 持续建设面向mid-train阶段的模型驱动的合成与质检链路，围绕知识、推理、代码、长文、Agent、多模态等核心能力方向，形成数据生产、质量控制与训练反馈的闭环优化机制，不断提升数据密度、能力针对性与最终训练收益； 3. 持续完善数据实验与验证链路，构建覆盖不同模型参数规模的数据scaling研究策略，系统分析数据策略在不同参数规模下的收益迁移与效果一致性，同时丰富预训练评测体系，跟进大模型前沿技术研究，推动预训练数据闭环迭代，打造业内领先的数据算法能力。
1. 基于模型与 MaaS 平台能力，设计金融行业智能 Agent、企业知识库、任务自动化 Workflow、多Agent协同等产品方案，推动模型能力在金融场景中的落地应用。 2. 理解金融机构核心业务流程，围绕智能投研、智能风控、智能营销、金融知识库、投顾助手等场景，设计 AI 产品方案并推动商业化落地。 3. 能够抽象行业共性需求，沉淀标准化组件与行业解决方案，推动金融AI产品从0-1建设及规模化复制。 4. 联动算法、工程、解决方案、销售及生态伙伴团队，推动产品能力建设与客户交付上线，持续跟踪业务效果与客户反馈，驱动产品迭代。 5. 关注行业前沿技术与产品趋势，跟踪国内外Agent、AI Workflow等行业趋势，形成产品演进路线判断。
阿里巴巴旗下的 AI Coding 创新团队，致力于重新定义 AI 与人协作的方式。我们正在打造一个新的场景，将Coding Agent的能力泛化，让 AI 真正从"辅助工具"进化为"工作主体"，实现长时间自主运行、独立承接真实任务、稳定持续交付最终产物，彻底革新人类的工作方式。我们正寻找富有激情、创造力和前瞻性思维的精英人才加入，共同定义 AI Agent 时代的产品形态。 1、负责全新 AI Agent 产品的全生命周期管理，从 0 到 1 定义产品形态、能力边界与演进路径,包括市场研究、产品战略制定、功能设计、用户体验优化及产品增长; 2、洞察行业趋势和技术发展，确保产品在快速演进的 AI Agent 领域保持领先地位; 3、设计创新的人机协作交互范式，围绕 Agent 的长时运行、云端执行、异步任务调度、规划执行、记忆与自进化、上下文管理等核心机制，打造直观、可信、引人入胜的产品体验; 4、深入理解开发者、知识行业等用户真实工作流，洞察高频、高价值的工作场景，识别适合由 Agent 自主承接的任务类型，设计端到端的任务交付路径; 5、与 UI/UX、工程团队紧密协作，将底层 Agent 能力转化为稳定、可控、符合用户心智的产品体验，持续提升视觉、交互和智能化表现; 6、通过深度用户研究、数据分析和持续实验，驱动任务成功率、自主完成率、用户信任度与长期留存等核心指标的提升; 7、建立和维护与 key stakeholders 的关系，包括内部团队、合作伙伴和重要客户，确保产品战略的顺利实施。
1、深度参与AI推荐工程全链路建设，推动大模型（LLM）与传统推荐架构的深度融合，构建具备推理、规划与执行闭环的智能体（agent），提供实时用户数据处理、用户记忆查询、圈人、主动匹配策略等特定场景的智能化服务能力； 2、负责agent核心架构的设计、开发与持续优化，构建高可用、可扩展的agent运行框架，完成在千问相关业务场景的落地； 3、抽象并持续优化agent关键能力模块，包括意图理解、任务规划、工具调用、记忆管理、多轮对话等核心功能，提升agent的自主决策与执行能力； 4、跟踪agent领域前沿技术与开源框架，推动技术选型与架构升级，沉淀agent开发规范、工具链与优秀实践，提升团队研发效率； 5、协同算法、产品、测试等团队，参与agent全生命周期管理，包括需求评审、方案设计、代码开发、测试验证与上线运维，保障项目高质量交付。
1、负责大规模多模态数据计算引擎的核心架构设计与执行计划优化，构建面向异构计算（CPU/GPU）的高效任务调度机制与执行流水线，解决PB级多模态数据（图像、音频、视频等）处理过程中的关键性能瓶颈； 2、应对PB级数据在Shuffle、Join、Aggregation等场景中面临的内存、I/O与存储资源挑战，攻克每日PB级流批一体数据处理过程中的系统稳定性难题了； 3、提供SQL-like与Python双端编程接口，打造从本地开发调试到生产级分布式计算的一站式开发体验，持续提升开发效率与工程易用性； 4、应对百PB级结构化数据及多模态数据入湖场景下的高效存储与高吞吐I/O挑战；实现多租户I/O与存储资源的有效隔离；构建完善的数据治理体系，保障数据质量，防范数据腐化风险。
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。
1. 优化Leads全生命周期管理体系：从Leads生成、分级、分发、跟进、流转到转化，设计端到端运营流程，确保各环节高效衔接、闭环可追踪。 2. 推动Leads统一池建设与智能分发机制落地：协同产品、数据、销售及市场团队，建立跨来源Leads的标准化接入、去重、打标与动态分配规则，重点支持MaaS等高价值业务线的精准匹配。 3. 搭建全链路转化漏斗与效能分析体系：建立监控关键指标（如MQL→SQL转化率、首次响应时长、Leads存活周期、渠道ROI等），定期输出洞察并驱动流程优化。 4. 联动市场、销售与解决方案团队：推动Leads质量反馈闭环，反哺市场投放策略与内容优化，提升前端Leads精准度。 5. 探索AI/大模型在Leads运营中的应用：如智能评分、意图识别、自动分配建议等，提升运营自动化与智能化水平。 核心能力： 1. 精通Leads全链路运营方法论，具备搭建或优化Leads管理体系的成功案例； 2. 熟悉主流CRM及营销自动化工具能基于系统设计运营规则； 3. 具备强数据分析能力，熟练Excel、BI工具（如Tableau、Power BI），可以进行漏斗分析与归因建模； 4. 优秀的跨团队协作与项目推动能力，能有效协同市场、销售、产品、数据等多方角色。
1. 负责千问学习核心智能体算法研发与优化，使用大模型实现题目理解与分析、AI学情诊断分析、学习规划等核心agent。 2. 负责智能学习助手算法研发与优化，包括大模型在智能决策、RAG、个性化推荐等领域的应用。