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、搭建评测体系：设计 AI 应用的评估体系，搭建评测流程和功能，包括评测标准的制定、评测Agent建设、评测的数据集建设、评测结果标注，保证评估结论及时准确产出； 2、业务场景分析：了解主流 AI 应用产品的业务流程和场景，对如何构建一个有效的评测集有深刻的理解和应用； 3、评测结果分析：分析和解读评测结果，提出提升模型能力和应用体验的产品设计建议； 4、研究评测方案：跟进和调研行业最新评测研究和报告，结合实际应用场景，更新内部评测技术方案； 5、行业产品调研：及时了解和分析 AI 业界各类产品和技术发展动态，辅助判断未来发展趋势。
1、参与集团级AI数据引擎：负责多模态数据（文本、音频、图像、视频）的采集、清洗、处理、治理与资产化管理，打造可复用、可观测、可解释的 EB 级数据体系，支撑大模型训练与推理的高质量数据供给； 2、多模态数据智能化处理：主导音频/视频/图像等模态的自动理解、标签体系构建、语义特征抽取、质量建模与自动化治理；设计并训练分类、识别、预测等多模态模型； 3、AI Native数据Pipeline建设：使用LLM+Agent框架构建智能数据Pipeline，实现数据分渠道过滤、去重、质量诊断、调度编排和异常告警等环节的自动化，显著降低人力成本； 4、数据&模型闭环迭代：基于评测反馈的短板，设计对应的专项数据集，并在训练过程中构建可观测指标，量化数据对模型能力提升的贡献，动态更新数据集，实现数据 → 模型 → 评测 → 数据的循环优化； 5、数据资产治理：负责元数据、数据血缘、分类分级、质量评分、数据标准、价值评估等治理框架的设计与落地，推动数据资产的可视化与可运营化，让数据可管理、可复用、可增长； 6、算法与工程一体化协作：与模型团队协作，参与训练数据构造、数据反哺、短板挖掘和评测闭环建设，通过数据驱动模型能力提升，成为AI模型训练的数据核心驱动力；
1、协助团队负责人，开展核心财经科技、地域媒体日常沟通、接待、项目管理工作。 2、制定有针对性的媒介维护策略，协助媒体完成采访，妥善执行各项传播动作。 3、制定舆情预案，牵头舆情应对，有效维护公司声誉。
1、配合主美参与制定游戏场景风格，输出场景/关卡地编制作目标效果、模版和规范； 2、场景灯光及渲染氛围营造，把控整体场景综合视觉表现效果； 3、协助技术美术及程序，制定出符合需求的材质效果，推进各类场景的制作规则，以及项目需要的性能优化，保证视觉效果和游戏性的同时不断优化场景内的美术资源来提升性能； 4、研究引擎功能模块，协助团队成员完成场景编辑出现的各类问题。
1. 负责网红达人机构矩阵搭建，构建可持续发展的达人机构生态。借助机构的能力，在半开环的社交电商生态下，为速卖通引入高质量新用户以及成交增量。机构类型包括但不限于自孵化机构、MCN/CAP机构、AFF/TAP机构等； 2. 对所负责机构的“招-养-汰”全生命周期负责。招-帮助新机构冷启动，解决招募机构对接中遇到的卡点问题，快速跑通测试流程；养-帮助机构持续孵化，制定高且可执行的机构运营策略，实现机构等级跃迁；汰-定期对机构进行考核与动态定级，实现分级管理与机构的末尾淘汰； 3. 机构内容策划与爆款制造。结合 TikTok、IG、Youtube、Twitch等主流社交平台的算法机制与用户偏好，制定内容日历与选题规划，指导并审核创意脚本、短视频拍摄及后期制作，精准提炼产品卖点，提升视频的完播率、互动率及转化率； 4. 商业变现与电商闭环。深度协同行业侧/品牌侧资源与需求，策划并落地机构侧直播带货、自孵化养号、TTO广告等多元化变现路径。协助机构完成达人侧商品橱窗管理、选品排期及直播间场控，跟进订单履约与售后客服流程，保障商业转化效率了； 5. 数据分析与策略迭代。建立综合的数据监控体系，定期追踪机构GMV、播放量、ROI、粉丝增长、客单价等核心指标。通过数据复盘洞察问题，快速调整内容策略、投放预算（如TTO）及运营方向，持续优化机构端账号矩阵与变现能力；
1、负责艺人的宣发工作，包含艺人宣传策略的制定、执行及效果分析； 2、能独立策划活动，并协调资源落地； 3、维护媒体关系，针对艺人或作品，独立策划并执行定制化宣传方案。
一、Qoder产品解决方案设计与落地 深入理解 Qoder 产品能力，输出标准化的解决方案文档、产品架构白皮书和 POC 演示材料 拉通业务和产研团队，推动企业规模化产品使用，洞察行业共性需求，反哺并提升产品竞争力 二、Qoder 企业客群业务拓展 面向业务团队提供体系化产品培训、技术方案支持与最佳实践指导，支撑售前转化； 深度参与关键客户的售前会议、方案答辩与产品演示，协同推进签约闭环； 打磨标杆客户案例，沉淀可复制的行业打法与推广模式。 三、Qoder产品布道与品牌建设 作为 Qoder 生态代言人，在行业会议、技术峰会、开发者大会、直播间等进行产品演讲和案例分享 策划并输出高质量技术内容（技术博客、案例研究、Demo 项目），展示产品应用价值
1、 拓展行业目标客户，进行业务调研、商业分析、商务谈判、业务设计、运营规划工作，达成行业业务目标； 2、 根据公司业务发展战略及业务规划，基于菜鸟的服务能力，结合行业KA客户的需求，向客户持续输出服务，以达成合作，并推动服务方案不断优化，升级服务； 3、与各团队合作，帮助新入驻的商家快速落地和合作； 4、建立与头部品牌公司的稳定合作关系，提升菜鸟供应链在行业的影响力；
主要负责 TokenFoundry 大模型训练平台建设，为大模型训练提供稳定、高效、弹性的 AI Infra 基础设施。你将参与新一代大模型训练平台的架构演进，支撑大规模分布式训练任务编排、异构集群资源调度、训练容错与弹性恢复等核心系统，持续提升研发效能与算力利用率。 主要工作职责和挑战 1. 训练任务平台设计与研发：负责分布式训练任务的提交、编排、调度、可观测性与全生命周期管理系统的架构设计及核心代码实现。 2. 大规模资源调度引擎：设计并实现面向异构集群的资源调度策略，涵盖拓扑感知调度、抢占式调度、优先级队列及多租户配额管理等能力。 3. 平台化与产品化：快速迭代平台产品能力，支撑大模型研发迭代对训练基础设施的能力需求。 4. 技术攻坚与前沿探索：跟踪 AI Infra 及训练调度领域的最新进展，推动技术方案落地并持续优化系统性能。
通过技术创新支持阿里集团大模型研发快速迭代，参与从数据生产、训练到评测的大模型研发全流程，主要工作内容和挑战如下： 1. 建设大规模数据生产和评测的Agent基础设施，增强大模型在Coding&Agentic等领域的能力。 2. 结合后训练框架，优化强化学习效率，实现高效的大规模Agentic RL。 3. 将成熟的系统与算法成果发表于学术会议，并回馈开源社区（如ROCK和ROLL等），持续提升在学术界与产业界的影响力。
1. 根据市场动态及行业客户需求，制定并执行区域业务规划，确保快递网点、消费者、网络运营以及政府监管等多方利益的平衡，促进驿站业务的持续健康发展。 2. 整合公司内外资源，确保总部运营策略在所负责区域的有效实施与落地执行。 3. 负责监控区域站点和网点的日常运营情况，并及时处理异常问题，保障整体运营稳定。 4. 组建并领导本地化团队，致力于提升站点服务质量与用户体验，优化站点经营环境，增强站点的生存与发展能力。
1. Agent 编排与架构设计 (Orchestration & Architecture) 设计并实现高性能的 Agent 编排引擎，支持复杂的任务分解（Task Decomposition）、动态规划（Planning）及多步推理（CoT/ToT）。 构建 多智能体（Multi-Agent）协作框架，定义智能体间的通信协议、角色分工、冲突消解机制及共识达成策略，确保系统在复杂场景下的协同效率 。 落地先进的 设计模式，如反射（Reflection）、工具使用（Tool Use）、人机回环（Human-in-the-loop）等，提升系统的鲁棒性与自适应能力 。 2. LLM Ops 与系统优化 (LLM Ops & Optimization) 搭建完整的 LLM Ops 体系，涵盖模型部署、版本管理、灰度发布、自动化监控及成本优化（Token 预算管理）。 负责 推理性能调优，通过提示词工程（Prompt Engineering）、模型微调（SFT/LoRA）、量化技术及缓存策略，显著降低延迟并提升吞吐量 。 构建 可观测性平台，实现对 Agent 执行链路的全程追踪（Trace），包括意图识别准确率、工具调用成功率、幻觉检测及异常自动恢复机制 。 3. 数据闭环与评测体系 (Data Loop & Evaluation) 设计并实施自动化的 Agent 评测框架（Eval Framework），建立多维度的评估指标（如任务完成率、规划逻辑性、记忆准确性），驱动系统持续迭代 。 构建 “数据 - 训练 - 评测”闭环，利用用户反馈日志挖掘高质量微调数据（Hard Negative Mining），指导模型对齐与能力增强 。 优化 检索增强生成（RAG） pipeline，包括混合检索策略、重排序（Re-ranking）、知识图谱融合及上下文窗口管理，解决长尾知识问答难题 。 4. 基础设施与工具生态 开发标准化的 工具接入层（MCP/Function Calling），实现外部 API、内部系统及私有数据的无缝集成，确保参数校验与执行安全 。 设计 记忆系统（Memory System），结合向量数据库与关系型存储，实现短期上下文管理与长期个性化记忆的持久化与高效检索 。 探索 容器化与隔离技术，为海量并发 Agent 提供安全、资源隔离的运行环境（如基于 Kubernetes 的动态调度）。
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： 团队主要聚焦多模态大模型及端到端模型在车端导航及定位应用，我们期待你的工作将覆盖以下至少一个技术方向即可： 1. 在端到端自动驾驶、BEV环境感知、多模态融合、强化学习等领域具备丰富且有独创性的研究经历； 2. 探索多模态大模型在下游任务中的技术能力，包括但不限于图文对齐/识别、跨模态理解生成、多模态检索、VLM端到端自动驾驶、世界模型等； 3. 了解大模型模型的训练/微调/推理加速方法，包括但不限于模型结构调优、训练效率提升、高效低成本微调、Muti-token推理，模型部署加速等； 4. 参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用； 5. 负责收集、整理和分析自动驾驶相关的数据集，进行数据预处理和标注，以提高模型的准确性和复杂场景泛化能力； 6. 设计和实现端到端自动驾驶模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。
1、负责所属 AI 方向的技术规划与架构演进，持续提升算法能力对业务增长的支撑。 2、负责核心算法模块的设计、技术选型与工程落地，推动算法方案在高并发生产环境中稳定交付。 3、带领算法团队完成任务拆解、项目推进、能力建设与梯队培养，提升团队整体效率与产出质量。 4、对方向核心业务指标负责，建立数据反馈闭环，驱动技术持续迭代与优化。 5、与产品、工程、运营及业务团队深度协同，推动技术方案与业务目标对齐，保障项目高效落地。 6、跟踪 AI 前沿技术趋势，牵头关键技术预研与工程化转化，沉淀可复用的技术资产与最佳实践。
强化学习（RL）是 Qwen 系列基础模型持续演进的重要技术方向，被广泛应用于提升模型在复杂任务中的推理、规划、编码、工具调用与长程决策能力。我们持续探索 RL 在长程代码任务、视觉交互、真实环境执行、数学与代码竞赛等场景中的应用，推动模型在复杂开放任务中的自主性与执行表现。欢迎对大模型与强化学习方向有经验和热情的同学加入。 工作内容包括： 1. 研究 PPO、GRPO 等强化学习算法，提升训推分离场景下大规模 RL 训练的稳定性与效率；探索 RL scaling law、长程训练、多任务融合与系统优化等方向，提升模型持续训练收益与泛化能力。 2. 优化端到端 Agentic RL 链路，提升算法与系统整体效率，增强 agent 在推理、长程规划、代码生成与工具调用等场景中的能力；结合 critic model 与过程奖励机制，对 agent 行为进行有效引导，提升 scaffold 泛化性、指令跟随能力与推理效率。 3. 提升 RL 在长程任务与复杂开放任务中的表现，研究训练效率优化、复杂任务学习方法；探索多 agent 协作、自我反思、记忆机制与规划等方向，提升奖励信号、奖励模型与agentic verifier的准确性和鲁棒性。 4. 与研究员和工程师协作，持续迭代coding agent 与long-horizon agent 的训练数据、奖励信号与执行环境；改进合成数据生成方法，针对模型能力短板构建可验证的 RL 数据，提升基础模型在前沿 benchmark 与真实任务场景中的表现。
● 负责业务系统的质量保障与效能提升，深度参与产品研发全流程，通过质量左移、自动化测试和稳定性建设，持续提升系统质量与团队交付效率；同时探索 AI 大模型在测试与研发效能场景的落地应用。 ● 完成需求相关的功能与回归测试，过程中做好缺陷、风险等管理，保证按时按质量交付 ● 编写和维护负责模块自动化、数据工具、知识库等，做好测试资产建设。 ● 使用 AI 工具辅助测试，提升日常测试质量/效率，日常工作中探索AI使用场景，并做实践
岗位描述： 全面负责千问大模型在 Post-Training 能力进化和上限突破、持续推进模型能力边界和商业价值的不断延伸。通过对前沿算法的极致探索和高效能工程体系的构建，驱动模型在逻辑推理、问答、复杂多轮上下文、指令遵循、Agent 智能体、多模态交互等关键领域实现突破性进展，打造世界一流的模型效果，并定义其在未来 AI 应用中的核心价值。 工作职责： ● 【战略规划与技术引领】 制定并执行大模型 Post-training 的中长期技术路线图，预判并布局下一代对齐技术、能力增强及对齐方案。主导核心算法的战略方向，确保技术路径与公司业务战略高度协同。 ● 【核心能力与壁垒构建】 领导团队进行体系化的数据驱动实验，不仅局限于日常迭代，更要建立可规模化的能力提升范式。您将攻坚并解决模型在复杂指令遵循、通用问答、RAG、深度逻辑推理、内容创作、Tool-Using 等方面的瓶颈问题，构建技术壁垒。 ● 【前沿算法研究与创新】 深入探索并推动 Post-training 领域的前沿算法创新，包括但不限于 RLHF/RLAIF 的新范式、模型融合 (Model Fusion/Merge) 、模型蒸馏及 MoE 模型的高效对齐策略。您的目标是显著降低模型幻觉、提升推理的效果、加强模型复杂指令的遵循能力。 ● 【多模态与未来探索】 从统一多模态模型的战略视角出发，您将指导并规划多模态统一大模型的 Post-training 技术融合。探索并落地高效的多模态 SFT 数据构建、跨模态能力协同训练及对齐策略，确保模型在图文问答、视频对话 等复杂场景下实现无缝、精准的理解与生成。 ● 【团队领导与效能提升】 负责 Post-training 算法团队的组建、培养与管理，打造一支具备高效执行力和持续创新能力的顶尖团队。您将指导并优化从研究、实验、评测到部署的全链路工具链与工程框架，实现研发效能的倍增。
1. AI 解决方案设计与落地 ○ 面向海外企业、跨国公司（如头部零售、国际电信、头部医药、金融等客户），深入理解其核心业务场景与AI转型需求。 ○ 结合阿里云百炼、云服务等产品能力，设计端到端的AI数字化解决方案，推动AI MaaS产品组合的商机转化与项目落地。 ○ 通过Prompt工程、工作流编排、Agent构建等方式，快速开发高价值Demo，向客户进行技术演示与价值验证。 2. 敏捷原型开发与技术协同 ○ 运用“Vibe Coding”理念，借助前沿AI编程助手（如Claude Code、Qoder等），高效构建行业应用原型，从AI-Native 的角度，支持支持敏捷迭代与新时代的云服务产品重构。 ○ 协同内部AI PD与RD团队，将客户反馈转化为产品优化需求，持续提升百炼专属版等AI工具链的企业级能力。
1. 面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行。 2. 深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。 3. 制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。 4. 针对移动端等资源受限环境，优化Agent调用链路的性能、延迟与鲁棒性，支持离线、弱网、低功耗等边缘场景下的可靠运行。
1、负责月度结账相关工作，完成PTP模块的计提、预提、费用分摊、账龄分析及相关往来科目发生额及余额核对，按时提交月结报表并配合完成结账时间表内的各项任务。 2、配合内外部审计，提供PTP相关的凭证、台账及说明资料，确保账务处理满足内控及合规要求。 3、持续跟进并优化核算流程，参与系统上线、流程改进等专项工作，提升核算效率与质量。