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. 根据阿里云AI战略发展方向，结合人工智能技术演进与行业变革趋势，前瞻性地识别并开拓重点目标客户在大模型、智能计算等领域的业务机会； 2. 能够深入调研客户业务场景，敏锐捕捉行业中的应用痛点与创新潜力，结合阿里云产品及技术优势，促进客户需求与云产品的有效结合，提供立体、专业的咨询及服务，帮助客户成功，并沉淀行业解决方案； 3. 与客户或合作伙伴进行重点项目对接，能向客户高层解析阿里云AI优势，向业务高管呈现具有说服力的AI投资回报率（ROI）分析，加速商机转化； 4. 善于整合技术、生态与商业资源，攻克AI落地中的关键挑战，与客户技术决策层及生态合作伙伴建立深度信任关系，沉淀可复用的行业解决方案与最佳实践，为阿里云AI战略的长期发展储备关键客户与技术资产。
1、负责淘宝内容生态的用户侧产品设计与体验优化，覆盖达人内容、商家内容、用户原创内容以及 AI 生成内容等多形态内容在前端消费场景的呈现与交互，持续提升用户内容消费体验和商业转化效率。 2、深入理解用户内容消费心智与决策路径，结合 AI 大模型与多模态能力，探索内容消费体验的智能化升级，推动内容从"被动消费"向"主动互动、驱动决策"演进。 3、建立内容前端的质量分层与审美标准体系，对不同来源内容在视觉表达、信息传递上进行品质把控，确保用户端获得高完成度和信任感的内容消费体验。 4、协同算法、设计、运营及供给团队，推进内容用户产品的快速迭代与规模化落地，通过用户研究、数据驱动验证产品方向，对用户时长、进店率、成交转化等核心指标负责。
1.主动利用多渠道寻找并拜访工厂型企业，根据客户需求完成产品方案的售卖； 2. 定期复盘商家在1688平台上的综合投放效果，给予客户专业建议反馈，提升客户满意度； 3.建立良好的客情关系，通过多种方式，促进客户之问的相互分享和共成长，推进市场繁荣发展。
1. 拓展新商户及维护老商户，与商户建立长期稳定的区域商户关系； 2. 了解并根据商户需求，制定个性化营销方案，与商户谈判并达成合作； 3. 执行公司的营销策略和政策，达成业绩目标； 4. 能迅速发现问题，并持续优化策略和计划； 5. 及时处理来自商户的投诉，反馈、建议等，以提高商户的满意度。
岗位使命： 我们要找的是to B agent harness产品。对外把底座封装成客户三行代码就能接入的 SDK 与控制台，对内把 Agent 的智能水平变成能跑数、能回归的评测闭环，同时你自己就是这条链路的项目推进人——排期、卡点、验收全都归你。 职责配比：ToB Harness 产品 55%，Agent 平台产品 30%，项目推进 15%。 岗位职责： 1. 定义 ToB Harness 产品：把一套底座切成客户能选的能力档位 收敛 runtime 的配置维度（模型、harness、工具、Skill、卡片样式），对外只暴露档位与少量参数，不暴露内部复杂度。 设计能力分档策略：每档要给出延迟、成本、智能度的明确三角，以及哪些请求会被降级、哪些会被直接拒绝。 按客户形态拆接入方案：有屏车机、无屏 AIoT 设备、第三方 App 内嵌助手，各自的接入路径与兜底逻辑要分别定义。 定义对外返回结构与计费口径：卖结论、卡片与引用来源，不卖裸数据；按量阶梯计费而非包月。 每份方案配一份客户视角的接入演练，包含真实 API 调用示例、失败态处理和能力边界声明。 2. 建设 Agent 平台产品：让 Agent 的生产与准入变成流水线 负责 Agent 的创建、配置装配，以及外部工具与 Skill 的引入与治理。 工具与 Skill 的准入审计：schema 与实际注册实现是否同步（不同步会产出模型看得见但调不通的幻影工具）；工具返回的凭据字段在上下文裁剪后是否还在（丢了会导致同一个目标被重复召回）；第三方 Skill 的字段语义是否与本平台一致（同一个 allowed-tools 字段，在有的框架里是权限白名单，在有的框架里是增量召回清单，语义相反）。 上下文工程治理：拆清单请求里 system prompt、tools schema、对话历史各占多少 token，识别哪部分是固定开销，在裁剪率与召回质量之间给出明确取舍，不靠感觉调。 3. 构建评测闭环：用任务完成率而不是格式合法率驱动迭代 设计细粒度评测集，多个指标分开看、不做加权合成，红线项单独判定。 核心指标是任务完成率与任务满足率。"格式合法地终结了对话"不算完成。 推动实验有效的策略固化为生产能力，并持续监控线上表现。 4. 推进项目落地：每阶段有可验收产物，卡点显性化 按三阶段节奏推进——底座打通、SDK 与控制台上线、规模化复制，每阶段的验收标准提前写死。 维护 Owner 表与卡点表。周会只过两件事：本周动了什么、被谁卡住，不做进度美化。 客户交付走项目制：需求分级、变更控制、上线后监控与迭代排期。并行管理 3 个以上客户与 2 个以上内部团队时，排期不失控、卡点能及时上升。
1、负责AIGC模型（包括图像、视频生成等）在 GPU、ASIC、FPGA 等异构硬件上的推理加速方案开发与软硬件结合的性能优化工作，包括但不限于模型量化、Attention优化、显存优化、编译优化、计算与通信优化、内存管理以及多卡或多设备的并行推理方案等； 2、在主流深度学习框架（如 PyTorch）基础上，基于GPU/xPU硬件特点，对关键算子进行软硬件结合优化，提升模型运行效率； 3、与硬件以及算法工程师紧密配合，共同优化整体推理速度与资源占用； 4、跟踪学术界与工业界前沿技术（如扩散模型优化、VAE并行优化、AI编解码、面向机器的编解码等），推动软硬件协同创新。
1. 负责 Office / 电商方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检工作；与算法及产品团队协作，理解 RM 训练和 rollout 打分的数据诉求，交付满足研发需求的高质量数据。 2. 设计并落地覆盖办公生产力（文档、PPT、Excel）和电商运营场景的标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。 3. 统筹本方向的评测方案与数据生产方案，为 rubric 设计、verifier 校验、轨迹打分等环节制定可操作的标准；定期开展 pass 与非 pass 双向抽检，迭代标注规范。 4. 构建并维护本方向的数据质量管理体系，对轨迹根因归因（模型能力 / 评测缺陷 / 任务定义）的闭环负责；警惕分数虚高等隐性风险，持续优化迭代。 5. 管理标注专家团队，统筹日常任务分配与产能调度；与上下游（算法、产品、领域专家）充分协作，把个人判断力沉淀为团队方法论。
1. 负责电商、对话、多模态方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检；与算法、产品团队协作，理解 RM 训练与 rollout 打分的数据诉求，交付高质量数据。 2. 导购与对话 Agent、评测集构建、多轮对话 / 长程任务理解、用户意图理解分类、面向商品理解 / 类目属性、搜索相关性等场景，设计标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。 3. 统筹本方向评测方案与数据生产方案，制定可操作标准，定期开展双向抽检，迭代标注规范。 4. 构建并维护数据质量管理体系，对轨迹根因归因负责，警惕分数虚高等隐性风险。 5. 管理标注专家团队，统筹任务与产能；与上下游充分协作，把个人判断力沉淀为团队方法论。
1. 深入理解客户的业务场景，通过以客户为中心的沟通建立信任，并与客户的IT、架构、运维及安全团队紧密协作；通过风险治理、变更管理、事件响应、容量规划等实践，确保云平台的高可用性、高性能与安全性，成为值得信赖的长期技术合作伙伴。 2. 主导贯穿云平台全生命周期的端到端运营支持，从架构设计与上线支持，到日常运维与持续优化；主动识别稳定性、成本与安全方面的风险；推动自动化、可观测性及站点可靠性工程（SRE）等实践落地；整合可复用的最佳实践、诊断工具或产品化方案，以提升阿里云平台能力。 3. 通过定期技术健康检查、架构成熟度评估及成本优化分析，驱动客户成功与价值实现；赋能客户“高效用云、管云”，持续提升满意度与平台粘性。 4. 作为客户的代言人：将一线客户洞察反馈至产品与研发团队，推动产品功能增强、文档完善及服务流程优化，构建真正以客户为中心的技术服务体系。
1. 作为云产品技术领域工程师，为客户提供云产品的技术服务，负责客户问题的快速定位和分析解决。 2. 与研发团队协作，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. 与研发团队对接，根据客户反馈的问题推动云产品需求优化和Bug修复。
1. 负责天合业务大客户的拓展与运营，制定大客运营策略，主导核心客户的沟通、服务与关系维护，建立长期稳固的合作关系； 2. 洞察行业现状与发展趋势，深挖商家需求，结合其投放节奏与业务诉求设计一体化解决方案，并推动方案落地见效； 3. 依托数据分析与运营手段，持续优化运营机制与商家服务体系，提升合作效率与商家满意度； 4. 跨部门高效协作，整合内外部资源，撬动商家在天合的合作规模持续增长。
In this role, you will be responsible for the complete design and development of photonic integrated circuits, based on established optical PDKs from our foundry partners. You will also interact with device, hardware, and software design teams to assist in the overall development of photonic systems, specifying, selecting, and qualifying the various components necessary. ● Design, layout and test high-performance photonics devices suitable for high-volume manufacturing ● Contribute and own large-scale photonic layouts for high-volume products ● Actively collaborate across disciplines, with analog, digital, and physical design teams to tape-out products and characterization devices. ● Work with the photonics test team in defining requirements for device characterization, debug and validation ● Works on broader organizational projects that require a thorough understanding of photonics ● Analyze characterization data to ensure the device/system meets the specifications ● Mentor junior design engineers
1、深入理解品牌新品创新与孵化的全链路需求，结合平台大数据资产与 AI 基建能力，设计并落地具有高应用价值的产品工具或 Agent Skill，帮助品牌商家在赛道定位、趋势洞察、新品打爆等环节提效，持续提升客户渗透率和使用粘性。 2、持续追踪市面竞品动态与客户实际使用情况，建立系统化的竞品监控和客户反馈闭环，形成产品高效高质量迭代机制； 3、具备 AI 时代的意识与思维，主动用 AI 工具和方法重塑产品工作流，减少跨工种之间的低效沟通和冗长链路，推动形成产品end-to-end的高效闭环。
1、面向 ASR、TTS、语音对话及相关音频模型场景，结合模型评测、业务反馈和 badcase 识别数据缺口，形成数据产品需求和优先级建议。 2、负责分配的数据产品或业务线，设计自建生产、定制采购、成品采购、业务回流和合成数据等来源组合，明确产品范围、业务规则、质量目标、里程碑、成本和风险。 3、将数据产品需求分别转化为生产交付、数据处理、Data Agent 和平台业务需求，定义输入输出、业务字段语义、产品指标和验收条件。 4、与生产交付团队协作完成试产和规模交付，管理产品范围变更，验收交付完整性、质量证据、版本清单和风险说明。 5、跟踪数据进入模型或业务后的效果，结合 WER/CER、MOS、任务成功率、用户反馈等适用指标复盘数据价值，提出下一轮调整建议。 6、沉淀可复用的数据方案、业务规则、需求模板、验收方法和复盘结论。
1. 负责淘宝互动-IP和抽赏板块的商家商品运营，对GMV和收入规模负责，推动业务规模持续增长； 2. 拓展站内外各类销售渠道，建立常态化的渠道合作与运营机制，实现IP商品的多渠道规模化销售； 3. 搭建并持续优化多种销售场景与转化链路，提升流量获取效率与成交转化率； 4. 结合IP上新节奏、平台大促和节点营销，设计促购玩法、价格与促销策略，组织跨团队落地并进行效果复盘，持续提升转化与复购 5. 协同内部供给团队，参与货盘企划与商品运营，基于销售数据与用户洞察推动货盘结构、玩法机制与用户体验的迭代，建立年轻用户的心智
1、通过与连锁酒店集团和城区管理建立关系，拓展区域内优质连锁门店，保证区域供应链完整、拿回优势价格和库存； 2、结合平台工具和连锁酒店集团的优势，形成集团、门店、平台的整合方案，落地执行基础信息维护、工单处理等，提高间夜产出； 3、解决连锁商家遇到的如操作、财务、订单、商品优化等方面的问题，并通过拜访，帮商家解决具体问题及维护与城区、门店的关系。
1. 多模态/世界模型训推架构：负责万亿参数多模态理解、多模态生成模型、世界模型分布式训推框架的设计和实现。通过5D并行策略、细粒度显存优化、通信计算Overlap等手段，实现多模态场景高效的预训练/后训练Pipeline。 2. 模型联合的深度算子优化：结合多模态理解生成场景，通过算子融合，定制Attention、MoE等算子，并达到SOTA的训推MFU。 3. 模型加速工程：使用蒸馏、量化、剪支等加速技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点。 4. AI创新应用落地支撑：作为算力基座的核心支撑，支持行业顶尖的多模态生成模型在 AI 创新应用场景的业务落地，解决工业级大模型训练中的迭代基建问题，确保模型从训练到应用的顺畅衔接。
1、负责阿里控股相关业务的招聘，基于业务策略及组织能力需要，制定全年招聘策略，并确保招聘计划的有效落地与执行； 2、基于对业务的充分理解，高效完成人才获取的同时，形成中、长期的人才获取，以及人才梯队建设，并通过持续运营保障人才的链接与转化； 3、通过对行业，竞争的高质量洞察分析，对业务与组织的阶段性决策提供支撑 4、管理并推动各招聘渠道的有效运作，结合所属业务场景特点，积极探索创新的招聘解法； 5、完成对所负责业务单元的招聘运营工作，持续对效率、质量、体验、成本、品牌进行管控与优化；
1. 负责视频增强算法的设计与研发，对 GAN 和 Diffusion 技术有深入的研究，应用场景包括但不限于 超分、降噪、色彩增强、去模糊、插帧、暗光增强、人像修复、去交错等； 2. 负责视频处理算法部署落地，涵盖不同 cpu/gpu/sdk 上的工程适配、算法调优与成本/速度优化； 3. 负责视频画质分析和质量评估算法的研究和落地，包括但不限于噪声估计、色彩/曝光/对比度/清晰度评价、美学/构图评价等； 4. 负责视频相关场景的画质提升并节省带宽，打造行业顶尖的画质处理解决方案；
● 视频编码（包括但不限于 H.264/H.265/H.266 ）优化：通过对主流标准的视频编码器优化，实现不同业务场景对主客观压缩率、编码速度、编解码延时等核心指标的需求。相关优化算法包括编码器快速算法，压缩率算法，码率控制，场景编码，ROI，JND编码等； ● 在标准编码框架的基础上，借助 AI 领域的新技术成果来研究视频信号的表征、编码与处理，将视频前后处理与编码联合优化，提升全链路压缩效率； ● 基于 AI 大模型，智能分析场景，生成转码方案，结合场景差异化挖掘压缩率冗余，提高总体转码效率；