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、 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. 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、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。
1.负责游戏业务数仓的设计与开发，基于 Hadoop/MaxCompute 构建分层数据模型（ODS/DWD/DWS/ADS），保障数据质量和产出时效 2.参与实时数据链路建设，基于 Flink 构建实时指标和实时特征，支撑业务实时监控和运营决策 3.负责核心数据指标体系的搭建与维护，包括 DAU、LTV、付费率、留存等关键业务指标，推动数据资产化建设与落地 4.深度参与数据研发链路的Data Engineering Agent化改造：从需求理解、模型设计、SQL 生成、任务调度到数据治理，逐步将传统人工流程升级为 Agent 辅助的智能化研发模式 5.引入分析工程（Analytics Engineering）实践，推进数据模型的版本化、测试驱动和文档自动化，构建面向 Agent 消费的结构化数据资产体系 6.参与数据治理工作，利用 Agent 能力实现元数据自动管理、数据质量规则自动发现与修复建议生成，持续优化数据模型的稳定性和可维护性
1、 负责多个剧集前期开发、策划； 2、 负责同主创团队、制作团队、内容营销团队、市场推广团队的沟通、协调与具体工作，包括外联、会议组织与召集、工作协调等； 3、 大量阅读网络文学、小说IP，甄选分析有改编潜质的文学作品，作为IP版权资源储备； 4、 负责跟进已有项目剧本阶段优化工作，与项目负责人配合带领编剧团队进行剧本修改。
面向淘宝直播场景，通过前沿AIGC技术提升整体数字人形象表现力和真实感，具体职责不限于： 1、负责数字人相关前沿算法研发，包括但不限于形象生成和驱动（肢体动作、表情、口型）； 2、负责数字人算法的实现和持续优化，提升数字人形象表现力，数字人真实度通过图灵测试； 3、跟踪行业最新技术动态，攻克技术难点，打造行业最具影响力的数字人技术和应用； 4、参与数字人产品的需求分析和技术方案设计，推动技术在业务落地；
1. 研发支撑自动标注、并对标冲击业界 SOTA 的语音算子（识别与对齐、说话人与声学、中文方言/口音/LID、多音字 G2P、中英混、TN/ITN 等），负责训练、评估、迭代与持续对标； 2. 建设亿小时级语音数据资产中枢：内容族与资产族两族标签的 schema/ontology、取数引擎、元数据库、多维查询与按标签取数； 3. 设计跨源去重治理与 train-eval 去污 pipeline，建立数据覆盖率矩阵与缺口诊断，驱动数据按需补齐、形成质量闭环。
1、负责快消品类客户的开发及维护，完成公司下达的IP销售指标，建立与企业客户的良好合作关系； 2、深度挖掘IP和快消行业的营销玩法以及结合空间，对IP商品化授权、IP营销授权、影剧综植入等进行整合推荐及销售； 3、通过IP给品牌营销赋能，打造数据+IP+营销+消费者的全链路一站式解决方案； 4、承担项目经理职责，独立推进整个项目进展并拿到项目结果。
1. 采购策略与品类管理（核心）： 1.1 制定海内外仓储自动化项目的采购策略。 1.2 制定并落地核心品类（物流自动化领域设备相关）的中长期采购战略，对齐公司业务目标与成本规划。 1.3 编制年度招采计划与预算，与业务部门共同制定降本目标。 2. 供应商资源布局： 2.1 开展供应市场分析：调研价格走势、产能分布、技术迭代，输出市场洞察与策略建议。 2.2 供应商开发：落地执行供应商准入机制，建立多元化供应池。 2.3 战略合作：与核心供应商签订长期框架协议，推动联合降本、技术协同、产能保障，建立战略伙伴关系。 2.4 风险管理：识别断供、涨价、质量、合规等风险，制定备选供应商、安全库存、应急预案，保障供应韧性。 3. 成本管理与商务谈判 3.1 成本拆解与建模：分析BOM、材料、工艺、工时、模具等成本构成，建立标准成本模型，识别降本空间。 3.2 制定明确招采策略，拆分明确招采任务，指导采购流程执行。 3.3 跟踪原材料价格、汇率波动，制定价格应对策略，锁定成本，规避涨价风险。 4. 数据驱动与跨部门协同： 4.1 建立采购数据看板：监控成本、交期、质量、供应商绩效、降本达成率，定期输出策略复盘报告。 4.2 跨部门协作：协同研发、质量、生产、财务、物流，解决供应异常，推进国产化、第二供应商开发、流程优化项目。
1、专家项目全生命周期管理：负责内部专家资源池的日常运营与维护，包括专家的招募、准入、分级、履约跟进与关系维护；对接内部专家，主导专家项目从立项、启动、执行到交付的全流程推进，确保项目按节点、按质量、按预算达成目标。 2、内部运营活动的设计与落地：围绕专家生态与业务目标，策划并执行面向专家的运营活动；独立完成活动方案设计、资源协调、执行落地、数据回收与效果评估，持续提升内部专家活跃度、满意度与产出质量。 3、项目复盘与结算：主导项目结项工作，包括交付验收、专家履约评价、费用核算与结算流程跟进；沉淀项目复盘报告，输出可复用的 SOP、案例库与运营方法论，为后续项目提供数据与经验支撑。 4、过程风险管控：识别项目过程中的进度、质量、合规、预算及舆情等潜在风险，建立风险预警机制；针对异常情况快速响应、协调资源解决，并向上同步关键信息，保障项目稳定运行。 5、跨团队协作与支持：与业务、产品、法务、财务、内控等团队紧密协作，推动流程优化与机制建设；定期输出运营数据看板与经营分析，为业务决策提供依据。
（1）联合解决方案设计与落地 深入理解 Qoder 产品能力与合作伙伴技术栈，覆盖 Qoder CLI 作为可嵌入底座被集成、以及 Qoder 主动集成合作伙伴产品与能力两种模式，面向战略 ISV 与技术合作伙伴设计互补的联合解决方案； 主导集成与被集成场景的方案规划，明确 Qoder 集成合作伙伴能力、以及 Qoder CLI 嵌入合作伙伴产品/平台的能力边界、调用方式与品牌呈现策略； 沉淀标准化的参考架构、集成与被集成对接规范及最佳实践，输出解决方案文档、产品架构白皮书和 POC 演示材料； 协同产品和工程团队，推动合作所需的产品适配、CLI/API 双向对接、SDK 封装与技术优化，完成 co-sell 就绪度验证，保障集成与被集成方案稳定落地。 （2）分销网络建设与赋能 与分销团队协作，拓展国内分销商 / 代理商 / 系统集成商网络，重点发展具备集成与被集成落地能力的技术型伙伴； 为分销与集成伙伴提供产品培训、集成技术支持、方案设计指导与最佳实践沉淀； 支持分销伙伴推进客户签约，参与关键客户的售前会议、产品演示与集成方案的技术答疑。 （3）生态布道与品牌建设 作为 Qoder 生态代言人，在行业会议、技术峰会、开发者大会上进行产品演讲与案例分享，重点传播 Qoder 开放集成与被集成的生态价值； 策划并输出高质量技术内容，包括技术博客、案例研究、集成 Demo 项目，展示生态合作中集成与被集成能力的落地价值； 打造集成与被集成标杆案例，沉淀可复制的集成范式与推广模式，反哺生态规模化拓展。
1. 负责Harness AI工程对客和对内安全能力的的调研与开发； 2. 参与构建Harness AI安全系统架构和实际研发落地； 3. 协同提升AI产品对外安全竞争力和风险对抗能力。