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. 负责阿里集团评测平台的整体架构设计与核心能力建设，覆盖基座模型、Agent与Skills等评测对象，支撑文本/生图/音频/视频等多模态模型，Agent以及集团内各类Skills的评测需求。 2. 搭建评测诊断、归因分析与报告生成能力，沉淀一套可复用的评测分析方法论；针对评测失败原因、得分分布、执行轨迹与Badcase做深度归因，为基座模型、Agent与Skills的能力迭代提供依据。 3. 跟进业界模型与Benchmark的最新进展，制定评测实施计划与应急预案，推进评测任务落地、验收评测结果并产出高质量分析报告，把评测元信息、结果与报告沉淀为可管理、可检索的数据资产。 4. 与领域专家团队协作，支撑评测集的制作、验收与上架，配合完成敏捷评测与全面评测，提升评测全链路的自动化程度与工程效率。 5. 支撑集团内各类Agent及竞品接入EVA+自动化评测体系，开发Agent接入诊断与提效工具，建设业务评测集的自动化生成能力，降低业务方的接入与维护成本。
1. 负责酒店行业直播间的日常运营，包括直播排期、选品组货、内容脚本策划及直播复盘，确保直播间稳定高效运转； 2. 制定并执行直播玩法策略，结合大促节点（双11、618、919 等）与日常营销节奏，提升直播间 GMV、观看人数、转化率等核心指标； 3. 负责直播间货品管理，与供应链团队协同完成选品、定价、库存协调，确保直播商品的竞争力与可售性； 4. 跟进直播数据，建立日报/周报体系，针对流量、转化、客单价等维度做归因分析，持续优化运营策略； 5. 对接商家及内容团队，把控直播间视觉呈现、话术规范和品牌调性，沉淀直播间 SOP 与运营方法论； 6. 关注行业直播动态与竞对直播间，定期输出竞品分析，捕捉新玩法与新趋势。
岗位使命 我们要寻找一位懂 Agent 运行机制的"效果型产品经理"。你的核心任务不是堆砌功能，而是通过对上下文工程（Context Engineering）、工具编排（Tools / Function Calling）与评测体系的持续打磨，直接提升 Agent 在真实场景中的任务完成质量，解决答非所问、关键信息遗漏、工具误调用、多轮丢失上下文等核心难题，并具备亲手写代码验证假设的能力。 你的成功标准是任务完成率与任务满足率的持续提升，而不是上线了多少功能。 岗位职责： 1. 诊断 Agent 效果瓶颈并定位根因（Diagnosis & Root Cause Analysis） 面对 Agent 表现不佳时，迅速判断问题落在哪一层：上下文构造缺失、工具 schema 描述不准、工具返回被裁剪后丢失关键字段、上下文窗口（Context Window）被系统开销占满导致对话历史被截断，还是模型能力本身不足。 区分"模型能力不足"与"harness 没喂对信息"——这是本岗位最核心的判断力。多数"答非所问"并非模型不够聪明，而是有效上下文在预算分配中被挤掉；你要能拆到 token 级别算清这笔账，再决定改哪一层。 建立 bad case 分类机制，按出现频率与业务阻塞性排优先级，驱动迭代排期，而非被 case 数量牵着走。 2. 设计上下文工程与工具编排策略（Context Engineering & Tool Orchestration） 定义各类上下文 Provider 的触发条件、注入顺序与 token 上限，在召回质量与窗口成本之间给出明确取舍。 设计工具的渐进式暴露策略（哪些工具在哪些场景进入模型视野），控制 schema 膨胀，并保证暴露给模型的 schema 与实际注册实现（含 Function Calling / MCP 工具）一致，避免"模型看得见却调不通"的幻影工具。 设计记忆（Memory）与检索增强（RAG）注入策略：定义用户画像、历史偏好、外部知识在什么时机注入、注入多少，以及与实时上下文冲突时的优先级。 3. 构建评测体系、以数据驱动迭代（Evaluation & Data-Driven Iteration） 设计细粒度评测集与评测指标，覆盖多轮追问、多约束理解、复杂指令完成度与工具调用正确性，持续补齐场景盲区。 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——"格式合法地终结对话"不等于"解决了问题"。 面对模型的非确定性输出，建立可复现的评测方法：当环境不可控（时间、天气、实时数据每轮变化）时，先通过 freeze clock、mock 外部依赖、record-replay 固化环境，再比较跨版本效果差异。 4. 推动改进落地并形成线上闭环（Productization & Online Loop） 改进分两类推进：快速止血（Prompt 优化、schema 修正、裁剪策略调整，带根因定位与量化收益预估，短周期上线并回归）与长期治理（工具暴露机制、记忆架构、Provider 触发逻辑等架构级调整，分阶段验收）。 将实验有效的策略固化为生产级能力，持续监控线上表现，定义效果劣化的告警规则并推动闭环修复。 5. 与算法团队协同、对齐训练信号（Collaboration & Model Alignment） 当问题确认为模型能力不足时，输出结构化训练需求：目标场景、期望行为、当前典型错误模式、建议的数据构造方向，用工程师听得懂的语言对齐。 参与模型选型与多模型路由决策，根据场景对延迟、成本与智能度的要求制定策略，把取舍标准写成可执行规则而非"视情况而定"。 6. 跟踪前沿并沉淀方法论（Frontier Tracking） 持续跟踪 Agent、Context Engineering、评测方法论的前沿进展，判断哪些可为高德 Agent 所用，并沉淀为团队可复用的方法与工具。
1. 根据业务领域特点开展项目质量策划； 2. 项目过程质量控制，质量监控，质量改进，引导项目流程过点； 3. 质量管理体系建设、优化和维护； 4. 持续研究质量工程方法，在项目推荐合适的质量工具解决业务问题； 5. 制定质量氛围建设方案并实施落地；
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.负责数据计算平台or数据湖存储引擎设计和开发，支持万亿级数据的交互式圈人、洞察、归因、报表场景。 2.负责数据or模型训练迭代产品研发，能提供架构设计和优化方案，并从技术上推进产品的快速迭代。 3.紧跟业界前沿创新场景的技术解决方案，比如数据湖技术和大模型迭代技术。
负责企业级智能业务平台中"知识与记忆中心"的整体规划与技术落地。该模块是平台的核心基础设施，为上层多个业务 AI Agent 提供统一的知识与上下文供给，确保 Agent 在每次决策与执行时均能获取充分且精准的信息支撑。 本场景需统一治理跨域结构化数据、非结构化文本、即时通讯记录、既有知识库及业务事件流等多源异构内容，在异构数据源之上建立统一的知识表示、检索与服务体系，并构建"采集 → 提取 → 索引 → 评测 → 优化"的持续闭环，驱动知识质量与 Agent 决策质量的阶梯式提升。 岗位要求： ● 主导知识飞轮全链路的架构设计与技术选型，制定分阶段落地路线图，确保从 MVP 到规模化运转的路径清晰可控。 ● 设计多源异构数据的统一接入与变更感知体系，覆盖结构化数据、文档、IM 对话、知识库与事件流五类内容源，建立差异化的同步策略与时效性管理机制。 ● 针对不同内容类型构建差异化的知识提取与关联推理能力，包括文档解析与语义分块、对话意图提取、事件模式识别、跨域知识归一化与冲突消解。 ● 设计高效的多模态检索与分级缓存体系（向量检索 + 倒排索引 + 热温冷三级 Cache），在响应速度与知识时效性之间取得最优平衡。 ● 建立知识质量的全维度评测与归因体系（检索相关性、知识准确率、上下文完备度、业务效果归因），实现自动化持续运行，驱动飞轮各环节的迭代优化。 ● 沉淀知识工程方法论与最佳实践，培养团队核心技术骨干。
供应链计划运营 1.负责供应链销量预测运营工作，从销量预测偏差case中总结规律，沉淀天气变化、节令日节假日、时令品等场景的销售趋势或特征，反哺销量预测模型优化，并沉淀预测干预方法，持续提升预测准确性； 2.负责生鲜品类的日常订货和库存管理工作，通过设计动态库存管理策略，实现库存水平的精准控制和优化，并通过缺货和损耗复盘，识别各环节优化机会点，与产品经理、算法工程师、业务团队等紧密合作，持续优化缺损； 3.积极响应区域经营意志，协同上下游部门，保障生意计划、APP流量、营促销、价格变化等经营活动的计划性和合理性，并确保算法能够提前感知，在支持好生意增长的同时，控制好损耗。
1、维护区域现有加盟餐饮商户，并通过各种途径开发新餐饮商户； 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、通过现场销售，提升餐厅的信息化、数据化管理水平； 4、优秀的谈判能力，配合Marketing团队完成营销项目跟进，并能够独自完成营销项目； 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。
1、负责输出直营“商品业务”运营策略和方案，推动业务规模增长; 2、梳理整合上下游资源和建设运营体系，提升品业务运营效率; 3、推动上游建设和升级产品能力工具和资源流程机制，赋能前线作战效率; 4、进行定期数据分析和竞争洞察，看到业务机会和提升业务竞争力;
1. 负责城代零售业务用户增长策略规划与执行，通过数据驱动制定用户拉新、促活、留存及裂变方案，提升核心业务指标； 2. 设计用户分层运营体系及权益机制，结合多渠道资源整合推动用户规模与质量双提升，优化用户生命周期价值； 3.负责结合零售多行业（商超日用、水果生鲜、健康医药、鲜花礼品等）的特点及用户消费场景，制定差异化的用户增长策略，推动各行业用户规模的渗透与提升； 4.主导跨部门协作，向上承接即时零售整体用户增长策略，横向协同零售各行业团队，向下联动区域及城市用户增长、零售团队，推动增长项目高效落地，持续迭代用户增长模型与方法论。
1.负责推荐系统的算法研发与迭代，结合视觉、文本等跨模态信息优化召回、排序及重排策略，提升推荐效果与用户体验。 2.设计并落地多模态特征融合方案，构建用户画像与内容理解模型，推动多模态技术在内容挖掘、识别与生成场景中的应用。 3.参与大模型在推荐系统和多模态领域中的微调，探索强化学习、指令微调等技术在业务指标提升中的实战路径。 4.跟踪多模态与推荐领域前沿技术，推动复杂项目从0到1落地并达成业务目标。
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. 负责游戏内特效资产的设计和制作，确保视觉效果符合游戏世界观与风格定位（温暖治愈类mmo） 2. 根据策划案需求，独立完成从概念设计到最终游戏特效落地的全流程工作，包括特效美术，规范方案制定、动画制作、端内资源整合等； 3. 与程序、策划、美术等其他团队紧密协作，优化特效性能，确保在移动端设备上的流畅运行与视觉表现平衡； 4. 参与特效风格的统一与规范制定，持续提升特效的整体品质与玩家体验； 5. 对行业前沿特效技术保持敏感度，适时引入创新方案以提升游戏特效表现力。 6. 具备指导初级美术，同时具备梳理和优化工作流程的能力，能够统筹美术战斗体验的设计，开发与优化，能够做战斗线交付审核与验收
1. 建设语音数据的 Agent 能力底座：智能体框架、编排、调度与状态管理，覆盖数据生产、标注、构造、取数、质检等各类任务的自动化； 2. 把各类语音数据流程改造成 AI-Native 自动流水线：可配置的 pipeline 槽位（Preprocessor、Rubric/Schema、Judge Adapter、Aggregator 等），让语音数据处理 / 语音数据策略团队的方法即插即用； 3. 集成与服务 judge / 算子 / 生成等模型，作为 Agent 可调用的工具，实现聚合、分歧检测、软标签等增强组件； 4. 沉淀可复用的 Agent 能力与工具链，与标注平台 / 推理引擎对接，保障规模化、可观测与稳定运行。
1. 负责音频大模型的高质量的数据构造及模型评测工作，与算法团队密切合作，理解算法需求，提供满足算法研发需求的数据； 2. 设计和实现TTS/ASR/文生音乐等模型的数据标注生产工作，并不断优化迭代，高效完成标注和内容生产项目； 3. 构建并维护一套完善的各领域AI数据内容质量管理体系，积极推动组织流程及交付流程优化，全面把控内容质量并对结果负责，并不断进行优化迭代； 4. 开展音频大模型及应用的评测体系方案建设，能够从各领域专业层面设计专业评测方案、开展专业的评测服务； 5.承担本方向数据处理、数据清洗、数据蒸馏、数据合成等多样数据工程工作。
1、负责带方言、区域口音或非标准普通话语音数据的生产质量判断、复核、问题记录和样例沉淀。 2、判断语音内容、转写文本、口音特征、可懂度、噪声、口糊、无效音频和任务标签等问题。 3、支持方言/口音 ASR、真实用户语音、Audio-Chat 语音和 TTS 方言/口音音色相关任务。 4、沉淀方言/口音样例、常见误判、边界 case 和判断依据，支持 guideline 和验收标准迭代。 5、配合质检、验收和 guideline 负责人完成争议问题回流和跨人校准。参与真实用户语音、方言/口音语音和跨地域语音数据生产质量建设，帮助语音模型更好覆盖真实口音、非标准普通话和复杂说话场景。
1、负责试标结果整理、抽检记录、错因归类、批次问题汇总和复盘材料维护。 2、协助质检、验收和生产负责人跟进标注质量、人员爬坡、质检一致性和问题回流。 3、参与质检员培训、认证、盲样校准、badcase 整理和争议样例沉淀。 4、根据机检结果、人检结果和抽检记录，整理批次风险、供应商反馈材料和质量改进建议。 5、推动标注平台、AI 辅助工具和生产流程中的提效问题被记录、分类和反馈。连接标注生产、质检验收、供应商质量和 AI-Native 工具迭代，把零散问题整理成可跟踪的质量体系、培训认证机制和生产改进闭环。
1、负责普通话语音数据的生产质量判断、复核、问题定位和样例沉淀，覆盖 ASR 语音识别、TTS 合成结果和 Audio-Chat 基础语音判断。 2、判断音频与文本是否一致，识别漏字、多字、错字、实体词、标点、问号、数字/ITN、无效音频、口糊、噪声等问题。 3、判断 TTS 合成结果中的文本一致性、漏读、多读、错读、发音、韵律、停顿、自然度、情感表现、音色一致性和异常音。 4、参与 ASR diff/雷题任务、TTS 合成结果质量判断和 Audio-Chat 语音判断的试标、抽检、错因归类和 badcase 回流。 5、结合标注平台、机检结果和 AI 辅助工具，完成质量结论记录、批次质量反馈和争议样例整理。参与 ASR、TTS 和语音对话等 AI 语音场景的数据生产质量建设，把音频、文本和模型结果中的问题转化为可复盘、可训练、可改进的质量结论。
1. 负责阿里巴巴CFO相关的产品(财税资控投)研发、项目的交付，保障产品需求按时、高质量的上线； 2. 深入发掘和分析业务需求，撰写技术方案和系统设计； 3. 参与或领导跨团队的研发项目，不断拓展服务场景的边界，拿到关键项目结果； 4. 面向阿里集团复杂业务场景构建SaaS和交付能力，高质量完成行业客户的交付和能力建设。