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
一、岗位职责 场地规划 1.根据短期业务诉求，输出场地规划方案，包括功能区、月台、货架及必要的仓库改造需求 2.根据中期业务诉求，输出仓库使用方案，包括仓库扩租方案，长租&临租方案 3.根据中长期业务发展，结合仓库情况（可用面积和未来拓展空间）以及运营成本（仓租成本、人员成本、运输成本）等，确定最终使用仓库 仓网规划 1.根据长期业务发展，配合供应链计划输出仓网方案，包括仓库开城选址，新开仓运营模式（自营/流量，仓配/中转仓）等 场地优化 1.通过场地规划手段，比如自动化、生产设备、动线优化、货架优化、上下游协同等，提升仓库人效&坪效，并跟踪落地
-团队介绍 高德语音技术部是负责高德全栈语音技术的综合性团队，致力于通过前沿语音技术的研究与落地，赋能下一代 AI 产品创新。 团队核心技术能力覆盖：自研 ASR&TTS 基座大模型、端侧模型、多语种、RTC 流式语音、语音内容生成、语音识别、跨模态模型、模型服务与推理等方向。业务支撑面向高德全部核心场景，包括语音导航、AI 领航员、IP 语音定制、国际化、AI 语音助手、智能外呼、内容生成等。 我们相信技术创造价值。近期部分产品进展：高德AI伴行 https://mp.weixin.qq.com/s/SDlTjmNSi-PAptxuPx3UHw 岗位描述： 1. 负责语音唤醒、增强、识别、语音与大模型融合等核心语音模块研发，独立开展技术研究与业务落地； 2. 结合高德地图导航、语音交互等真实业务场景，持续提升复杂场景下的语音理解与生成能力； 3. 持续跟踪业界前沿语音大模型技术，结合业务需求开展语音多模态、全双工交互等技术创新与预研。 4. 与产品、工程架构团队紧密协作，完成技术方案的部署上线与性能优化，实现从技术到价值的闭环。
1. 根据即时零售业务不同保险产品定位和客户体验要求，设计并落地全流程理赔流程、审核和服务标准，在风险和成本可控的基础上持续提升客户体验。 2. 深入洞察客户需求。协同保险行业合作伙伴探索并持续创新理赔服务模式，协同业务团队深化客户对保险的价值认可和品牌信任。 3. 建立科学有效的理赔指标监控和分析优化机制，驱动理赔流程和规则优化的同时，向保险产品和客户运营策略提供优化建议。 4. 协同两核策略、风控团队持续完善AI和数据智能在理赔体验、风险管理方面的能力水平，用更强的风控能力实现更高的体验追求。 5. 理赔作业团队管理和交付质量提升。
1、负责家享生活行业官方直播间的合作拓展与运营工作，推动直播成交增长。 2、推动官播搭建更多的商业化合作模式，并为其商业化负责。 3、与行业、商家协同，对商品进行分层运营，进行不同货品与官播间的匹配，推动各行业实现增长。 4、结合大促等活动，根据产品节奏和市场变化，快速产出应对策略。 5、有AI推动业务提升的意识，并积极的将AI工具应用于不同的工作场景。
推动 GUI / Hybrid Computer Use Agent 在 Computer / Mobile / Browser 等真实数字环境中的能力演进与落地实践，使模型能够理解、操作并协同完成跨平台、跨界面、跨工具、跨任务流的复杂用户任务，持续提升 Agent 在开放环境中的泛化性、鲁棒性、协同性与实际可用性，拓展大模型在真实人机交互场景中的能力边界。 1. GUI Agent：重点探索 GUI 在Computer / Mobile / Browse场景下的Agent能力提升与OOD任务能力泛化影响分析，研究大规模自然GUI轨迹Pre-training、用户协同能力； 2. Hybrid Agent：设计CLI & GUI 统一范式下的Universal Digital Agent Harness & Behavior Pattern，探索用户协同CUA场景下的有效实践方案； 3. Envs Scaling & Training Scaling：在大规模合成环境和现实环境数据中CPT->RL端到端优化迭代； 4. Preference & Feedback Modeling：探索用户协同Computer Use场景下用户偏好和用户反馈的收集、建模与处理机制，研究显式反馈与隐式反馈的统一表征方式，建立可用于训练和评估的反馈闭环。
推动大模型在芯片设计（EDA）、工业设计（CAD）、工程仿真（CAE）、游戏设计、金融工程、工业自动化、Infra 调优等工程领域的能力演进与落地实践，使模型能够在真实工程生产环境中理解设计规格、调用专业工具、解析反馈信号并持续自进化，通过多轮迭代不断发掘更优算法与设计方案，拓展大模型在工程优化场景中的能力边界。该方向的核心目标是将工程领域的能力训练到主模型中，侧重在不同工程领域间的泛化性，而非构建单一领域的专用系统。 1. Self-Evolving Engineering Agent：研究基于 Self-Evolving、Long-Horizon、Multi-Agent 等 Test-Time Scaling 范式的工程优化能力增强方法，探索 Propose → Execute → Evaluate 迭代循环在多工程领域的统一建模，提升 Qwen 模型在开放工程环境中的泛化性与收敛效率。 2. Envs & Tool-Chain Integration：构建面向真实工程工具链的 Agent 闭环环境，将专业工具（EDA 编译器/仿真器/综合器、CAD 求解器、物理仿真引擎等）的 CLI 接口与报告输出集成为 Agent 可消费的结构化反馈信号，设计分层 Reward 体系驱动端到端优化。 3. Domain Data & Training Scaling：挖掘工程领域高价值数据与 workflow（设计规格、工具反馈轨迹、优化历史），构建 General Long-Horizon Data Pipeline；在 CPT → SFT → RL 端到端验证领域适配与训练策略，优化模型在工程任务中的长程推理与迭代优化能力。 4. Benchmark & Evaluation：跟踪工程智能前沿进展，围绕关键问题开展算法创新、实验分析与技术沉淀；复现并维护高可靠性工程评测环境，建立可量化、可复现的能力评估体系。 5. AI for Chip Design 加分项： （1）EDA Agent Loop：熟悉数字芯片设计全流程（RTL → 综合 → 验证 → 后端），能够将 EDA 工具链集成到 Agent 迭代循环中，构建 "生成 RTL → 工具验证 → 反馈评估 → 改进设计" 的闭环优化环境；了解后端 PnR 参数调优、时序收敛、版图优化等迭代流程，能够将布局布线阶段的多维反馈（时序/拥塞/功耗/面积）纳入 Agent 优化循环。 （2）Verification & Rewarding：具备 Verilog/SystemVerilog 读写能力，能够设计面向 RTL 生成与功能验证的评测体系与训练数据流水线，探索 Agentic 的功能性验证和形式化验证方法。 （3）AI for EDA Research：关注 AI for EDA 前沿进展，能够将学术界的训练范式落地为可复现的训练方案，在业界评测集上验证并推动芯片设计能力的持续演进；同时关注模拟电路设计、MEMS 及其他非数字电路领域的 AI 落地机会，具备将 Agent 迭代优化范式从数字拓展到模拟、混合信号及微机电系统等方向的研究与落地能力。
产品用户分析与增长运营 1. 系统性收集、归类和分析用户体验痛点，输出深度分析报告，将用户声音转化为产品改进的明确输入。 2. 基于用户体验洞察，参与制定产品迭代策略与优化优先级，确保产品演进始终以解决用户真实问题为核心。 3. 监控、发现、推动修复端到端用户体验问题；系统化总结用户体验痛点，参与制定产品改进策略；总结用例最佳实践和标准化技术内容。 4. 了解开发者常见应用场景，熟悉开发者圈层，把握开发者中的技术潮流和热点。有优秀的营销方案设计和材料编写能力，能面向不同受众尤其是开发者和决策者，不断优化提炼，影响客户心智，有效传递产品优势和价值。 5. 有全球化运营增长思考，深度参与用户全生命周期运营，覆盖拉新、转化、留存等，有独立的思考与经验沉淀。
关于我们 加入国民级出行平台，与最优秀的研发、设计伙伴并肩，用前沿技术（AR、大模型等）解决千万驾车用户的真实出行痛点。 岗位职责： 1、定义下一代出行体验：聚焦驾车核心场景，主导产品从概念到落地的全流程设计，让产品"既好看又好用"，你的每个决策都将影响千万用户的出行日常； 2、用AI驱动体验跃迁：将大模型、生成式AI等前沿技术与出行场景深度结合，推动产品从"工具"向"智能伙伴"进化； 3、用数据驱动持续迭代：深入理解用户需求，以数据验证假设、衡量效果，持续打磨让用户"尖叫"的产品细节。
1. 行业运营：通过对市场趋势和用户洞察形成有效策略，基于目标拆解落地品类规划，对类目的买家体量和生意结果负责 2. 商家运营：具备商家视角，建立商家招募管理体系，制定并执行针对各类型商家和供给渠道的招募、洽谈及培养计划 3. 商品运营：针对用户需求特征制定类目、商品和场景策略，并根据商品生命周期和特性进行商品运营 4. 营销活动：基于行业发展和用户消费需求，根据大促情况追进大促商家报名以及大促完成情况
岗位概述 负责盒马鲜生前置仓在对应城市的选址开发、商务谈判及项目落地工作。统筹区域前置仓资源储备与战略规划，协同工程、营运、法务、财务等部门完成开店全周期管理，确保年度开店目标达成，并为公司业务快速扩张提供持续、优质的物业资源支持。 岗位职责 1.开店目标达成 根据公司前置仓开店策略及区域业务规划，完成开店计划并推动落地； 对选址项目进行全面评估与可行性分析，完成商圈调研、可信性报告及投资测算； 承担城市/区域开店指标，成本控制，确保年度、季度开店目标按时保质完成。 2. 选址开发与资源拓展 主动挖掘并开发符合前置仓经营条件的优质物业资源，建立并维护连锁物业、房地产商、行业渠道等人脉网络； 积极开拓区域前置仓战略储备资源，形成可持续的项目储备池，支撑业务快速扩张； 探索异业同盟、渠道合作等创新模式，拓宽选址资源获取路径。 3. 商务谈判与合作关系维护 负责与合作方进行商务洽谈、合同条款协商及合作方案推进，保障公司利益； 建立并维护长期稳定的合作关系，做好合作方日常沟通及关系管理； 处理重大租赁纠纷及突发问题，维护公司品牌形象与合作秩序。 4. 项目落地与跨部门协同 统筹选址、租赁、开店、闭店等全生命周期管理，跟进各节点落实； 协同工程、营运、法务、财务等部门完成门店装修、证照办理、合同签署及开业筹备； 协调公司内部资源，推动项目高效落地，解决项目推进中的各类问题。 5. 费用管理与风险管控 做好区域年度开发费用预算及成本控制，确保费用使用合规高效； 把控选址及租赁过程中的法律、财务及运营风险，确保合同条件有效落实； 参与总部开发管理安排的重点项目及专项工作。
负责政企专有云平台的安全体系建设与日常运营，统筹云内安全产品运维、云外安全设备管理及合规评测全流程，保障平台安全稳定运行。该岗位需驻场客户现场，作为平台安全的第一责任人，在高压环境下独立推进安全运营工作，并通过业务梳理与AI工具应用持续提升安全运营效率。 一、云平台安全产品运营 负责云平台内置安全产品的部署、配置、策略优化及日常运维，包括但不限于云盾（DDoS防护/主机安全）、Web应用防火墙（WAF）、安骑士（主机入侵检测与基线核查）、加密机（密钥管理与数据加密服务）等。定期审视安全策略有效性，结合业务变化动态调整防护规则，确保安全能力与业务需求匹配。对安全告警进行分级处置，建立从告警发现、研判分析到闭环处置的标准化流程，持续降低误报率并提升威胁响应时效。 二、云外安全设备管理 负责传统安全设备的运维与策略管理，包括下一代防火墙四至七层访问控制规则的规划、配置与审计，IPS/IDS入侵防御系统的特征库更新与自定义规则调优，API安全网关的检测策略配置与异常流量分析等。定期开展安全设备健康巡检与性能评估，推动老旧设备迭代替换方案落地。配合网络团队完成安全域划分、边界隔离及跨域访问管控，确保纵深防御体系完整有效。 三、大型系统与网络安全维护 承担平台整体安全架构的日常维护与应急响应，覆盖操作系统加固、中间件安全配置、数据库访问审计、容器运行时安全等多个层面。参与重大变更的安全评审，对高风险操作制定回退预案并全程监护。主导或参与安全事件的调查溯源，输出根因分析报告并推动整改措施落地。建立安全知识库与应急预案体系，定期组织攻防演练与安全培训，提升团队整体安全实战能力。 四、合规评测全流程支撑 作为平台侧合规对接人，统筹推进等级保护测评（三级及以上）、商用密码应用安全性评估（密评）、安全审计评测等合规认证工作。熟悉各类评测的标准要求、测评流程及材料准备规范，能够独立完成差距分析、整改方案制定、证据材料整理及现场测评配合。推动合规检查项的自动化采集与归档能力建设，将周期性合规验证从人工逐项核对升级为系统化、可持续的自动化合规运营。 五、AI驱动的安全运营提效 主动梳理安全运营中的重复性、高耗时业务场景（如告警研判、日志分析、合规材料生成、策略巡检等），沉淀为可结构化的业务知识。探索并落地AI工具在安全运营中的应用，例如利用大模型辅助告警分类与威胁情报关联分析、自动生成合规报告初稿、智能化策略推荐等，切实提升个人及团队的工作效能。持续关注AI安全领域的新技术与新方法，推动安全运营能力的持续进化。
1. 日常技术服务：用云技术支持、故障应急、用云需求承接与产品缺陷跟进等，保障客户日常用云诉求闭环。 2. 专家服务：以项目的形式提供制承接诸如容灾演练、成本治理、大促保障等专项服务，保障用户重大项目落地。 3. 能力沉淀：沉淀用云最佳实践与方法论，面向客户进行介绍推广，提升其用云能力。通过产研协同，提升云产品能力提升。 4. AI服务：承接大模型相关场景的稳定性与专家服务，沉淀相应交付经验。
1、承接政企事业部项目交付履约，对整体项目交付预实偏差、客户交付满意度、质量内控负责； 2、负责项目收入管理，与业务线协同支撑收入目标与回款目标达成； 3、负责持续优化项目交付模式和交付流程，降本增效的同时构建项目交付竞争能力； 4、管理客户声音，跟进客户共性问题，协同业务、产研、履约能力中心等团队完善服务流程和产品/服务改进，达成客户满意度管理目标； 5、协同各团队制定大客户服务策略和能力建设，做深客户服务识别二次商机推动复购。
• 客户现场专项技术负责人 • 如网络专项、数据库专项 • 平台稳定性重大变更方案制定与实施 • 如性能/存储优化、底座改造等 • 现场故障应急执行 • 协助原厂尽快恢复平台运行 • 关键时刻现场保障 • 如客户平台隐患深度排查与治理，复杂问题原因定位及解决
1.与架构团队协同，参与探索高性能DDRC架构，并负责部分实现方案； 2.独立负责完成DDRC功能模块RTL代码实现和优化； 3.与DV/原型验证团队协作, 负责DDRC问题分析与定位； 4.与验证团队协同，保证功能稳定可靠； 5.与性能团队协同，达成业界一流性能； 6.与后端团队协同，协助中实现PPA优化，优化前端微架构和设计。
Key Responsibilities 主要职责 Responsible for the on-site implementation, deployment debugging, functional optimization, and user training of the WMS and WCS system to ensure stable go-live and efficient operation. 负责 WMS、WCS 系统的现场实施、部署调试、功能优化及用户培训工作，确保系统稳定上线与高效运行。 Participate in WMS and WCS system requirement research and solution design; perform core module development, coding, and unit testing based on the Java technology stack. 参与 WMS、WCS 系统需求调研、方案设计，基于 Java 技术栈进行核心模块开发、代码编写与单元测试。 Troubleshoot and resolve technical faults during system implementation and operation, provide on-site technical support, and ensure on-time project delivery. 排查解决系统实施及运行过程中的技术故障，提供现场技术支持，保障项目按时交付。 Write implementation documents, operation manuals, and troubleshooting guides; accumulate and document project technical experience. 编写实施文档、操作手册、故障处理手册等，沉淀项目技术经验。 Liaise with clients and internal R&D teams, synchronize requirement changes and technical issues, and drive solution optimization and iteration. 对接客户与内部研发团队，同步需求变更与技术问题，推动方案优化迭代。 Act as a technical bridge, coordinating with electrical control and mechanical teams as well as the software development team to ensure efficient integration and collaborative operation between the electrical control system and the software scheduling platform. 作为技术桥梁，协同电控、机械团队与软件开发团队，确保电控系统与软件调度平台的高效集成与协同运作。 Participate in the application and optimization of logistics scheduling algorithms to improve warehouse operational efficiency. 参与物流调度算法的应用与优化，提升仓储运作效率。
1. 负责芯片级、封装级、系统级的信号完整性的分析、设计和验证工作，为芯片、封装、产品系统提供完整的信号完整性解决方案； 2. 解决芯片设计和应用中的高速信号传输SI相关问题； 3. 高速接口IP的测试验证和选型分析； 4. 参与行业调研，参与先进SI技术的开发。
1. Reward / Rubric 设计：和领域专家一起把领域专业判断（漏洞是否成立、时序是否收敛、回答是否可用等）拆成可自动化验证的评分规则，覆盖硬验证（工具退出码 / 规则）+ 数值指标 + milestone + LLM judge 的多层组合；根据任务特性选择合适的奖励形态——dense reward（过程 / 分步奖励）、sparse reward（结果奖励）、process / outcome reward、reward shaping 与多目标加权，设计可训练、抗 hacking 的奖励信号。 2. RLVR / RLHF 训练落地与反查：用设计出的 reward / rubric 真实训练模型（SFT / GRPO / DPO / RLVR / RLHF），独立跑通训练闭环，从训练曲线与 benchmark 结果反查 reward 与数据的问题，形成"设计 → 训练 → 反查"迭代闭环。 3. Reward Hacking 识别与改正：识别评分规则里可能被模型钻空子的路径，定位训练中出现的 hacking 现象并改正规则 / reward，对已上线 rubric 做持续 hacking 检测与规则加固。 4. RL 数据筛选与领域标注转化：对海量候选数据做面向 RL 的精筛，识别"表面合理但实际错误"、难度合适、覆盖度合理的样本，设计筛选阈值与采样策略，平衡数据规模与质量；把领域标注标准与规范转成 reward 计算逻辑与训练样本，与专家共同定义黄金集与奖励信号。 5. 效果验收：持续跟踪 rubric / reward 上线后对训练效果的实际提升，输出版本管理与效果对比报告，给出下一版迭代方向。
1. 千问 C 端数据体系设计与 Bad Case 挖掘：针对千问 C 端多种真实使用场景（日常问答、对话/多轮、办公类任务、开放性问题、安全对齐等）做结构化拆解（意图分类、场景分级、任务原子化），设计可复用的任务模板与数据构造方式；从线上真实对话与模型 rollout 中系统性发现 bad case（回答错误、意图误判、答非所问、拒答过度、多轮体验断裂、安全对齐问题等），做根因分类并输出结构化改进清单，驱动数据补充与评测修正。 2. 用户意图识别与问答/开放性问题分析：对 C 端多样化、口语化、含糊或多意图的真实 query 做意图拆解与分类，还原用户真实诉求，沉淀可复用的意图体系；覆盖高频日常问答（生活/办公/学习/常识/信息查询）分析回答的准确性、有用性与完整性；针对无标准答案的开放性问题（观点表达、创作、多轮探讨、复杂推理）设计可评价的质量维度，把主观判断拆成可校验、可自动化的子问题。 3. 大模型行为轨迹生产与激励标注、Rubric 共建：驱动大模型在真实 C 端场景中产出推理与操作轨迹，设计多阶段过程激励（Process Reward）与结果激励（Outcome Reward）标注方案；与 Rubric 团队一起把主观体验类判断（回答质量、有用性、安全性、意图满足度）拆成可自动化验证的评分规则，识别本方向 rubric 的领先能力点，将数据转化为可用于 SFT / DPO / RLHF 的高质量训练样本。 4. 外部专家与标注生态管理：负责外部专家 / BPO 众包的需求定义、标注规范撰写、任务分发、试标校准、答疑、抽检验收与分歧仲裁，通过流程、模板与工具优化持续提升人效与标注质量、降低单位成本，构建"内部研发 + 外部众包"的双轮驱动数据管线。 5. 与模型团队协同推进：作为数据侧对接人，与产品、算法、评测团队深度协作，读得懂千问 C 相关 benchmark 与线上指标，参与能力评测集设计、数据配比与训练策略制定，定位模型能力短板并反推所需数据，推动"数据 → 模型 → 评测"闭环。
负责以下一个或者多个领域： 1. 基于平头哥数据中心服务器AI芯片的应用和benchmark的性能分析与优化。 2. 通过分析包括上层的应用，中间层的框架、库和底层的Linux操作系统、硬件驱动的行为模式，以及竞对的性能表现，识别系统性能瓶颈，明确软硬件的优化方向。 3. 将识别出的性能瓶颈场景进行简化，实现称为有代表性的perf microbenchmark，作为软硬件优化的输入和用例。 4. 和软件团队协作，参与软件优化的开发工作，包括但不限于：给出优化方案或建议，提供性能测试用例。 5. 和AI芯片架构和硬件设计团队协作，将分析中定位到的硬件性能瓶颈问题反馈给硬件团队，提供相应测试用例，为下一代硬件产品的优化提出可行性建议。 6. 和测试自动化团队合作，建立和完善高效的AI芯片性能测试系统；提高团队内性能测试和回归的工作效率。