共 4529 个在招岗位 · 覆盖国企、大厂官方招聘
深入企业采购的全链路业务场景，通过AI技术将客户的真实诉求转化为可落地的技术方案，主导核心系统的设计与演进，在保障系统高可用的同时，实现 AI 技术在采购领域的创新应用，驱动业务从"能用"走向"好用"、"用出价值"，并联动外部生态伙伴，推动项目从签单走向成功交付与持续复购。 1. 核心系统设计：负责企业采购系统的研发，抽象商品、店铺、交易、履约、结算、开票等核⼼领域模型，构建AI Friendly的技术架构 2. 业务理解转化：深入理解不同行业客户的采购业务痛点，通过AI技术手段将业务诉求转化为实现路径，输出清晰的技术方案 3. AI技术应用： 参与AI在企业采购场景的设计和落地，推动技术创新与团队知识共享，实现企业采购的智能化端到端交付 4. 跨团队协同：作为技术侧核心研发，与业务团队紧密配合，统筹项目资源与节奏，推动需求高效落地与项目按时交付
作为商家经营数据AI 应用方向的技术负责人，你将负责这一领域的技术战略与演进路线：以商家主数据体系为地基，把「数据 → 评测 → 经营知识」打造成一个可自我迭代的闭环飞轮，让商家 Agent 持续变聪明、被信任，真正重构商家的经营方式。这是一个既要定义方向、又要带队打赢、还要跨团队拿结果的核心岗位。 你将负责： 1、定义商家数据AI 应用的技术战略与路线图，判断在数据、评测、知识三个环节的投入节奏与优先级，为整个领域的技术演进负责； 2、端到端负责以商家主数据体系为基础的 AI 数据能力建设，保障主数据的一致性、口径统一与实时/离线链路的高质量供给； 3、主导 AI 评测体系从 0 到 1 建设，定义商家经营场景的效果基准与评测方法，构建自动化评测流水线，并让线上效果持续反哺评测集，形成可迭代飞轮； 4、统筹经营知识库的自迭代机制，覆盖知识抽取、沉淀、质量门禁与失效淘汰，保障知识持续增长且不劣化； 5、作为 owner 跨团队拉通「数据—评测—知识」完整闭环，推动数据、算法、产品、业务在统一指标下协同背责，把技术能力转化为领域级业务价值； 6、组建并带领 AI 应用研发团队，搭建人才梯队、培养技术骨干与后备负责人，沉淀可复制的方法论，打造团队的持续战斗力。
关于角色：我们正在寻找一位技术 Leader，推动 AI Agent 等 AI 新技术在物流智能决策场景的应用落地，以技术突破驱动业务突破。 岗位职责： ● 推动淘天智能决策相关业务场景持续突破，包括淘天逆向物流资源规划与服务推荐；闲鱼寄件和商家寄件智能定价与营销策略；淘天闪购供应链补货、调拨、库存健康等最优库存管理决策与网络规划、仓容稽核；跨多个行业的最优分单、订单路由、装载优化、动态排线持续降本等 ● 主导智能决策 AI 整体架构，建立求解质量、求解时间、综合成本三维对比的评测基准；推动物流决策 AI Agent 建设，以及智能体在复杂场景中的应用，沉淀可复用的决策技术资产 ● 打造高执行力、高自驱力的团队，带领团队推动业务最优决策
职位描述 1、交易链路数据分析：深入理解淘系交易全链路（浏览-加购-下单-支付-售后）的业务逻辑，搭建并迭代核心监控指标体系。通过多维数据挖掘，识别交易转化漏斗中的异常波动、增长机会点及用户行为规律，为业务提供可落地的策略建议。 2、AB 实验与因果推断：理解科学实验体系，以及对应的归因分析思路和方法，有效影响业务产品迭代判断。熟悉双重差分(DID)、倾向得分匹配(PSM)、合成控制法(SCM)等因果推断方法，解决非实验场景下的策略效果评估难题。 3、数科Skill研发：推动“感知-认知-决策-执行”的 Agentic Workflow 落地，沉淀可复用的“技能库（Skill Set）”，包括不限于实验分析skill、异动归因skill等，提升团队整体工程效率。 4、Agent数据合成与评测：参与手淘购物助手优化，构建高质量数据集提升大模型推理效果，构建基于LLM-as-a-Judge的在线评测链路实现Agent执行效果的度量与归因。 5、作为业务伙伴，将模糊的业务痛点转化为严谨的数据科学问题。基于分析结论，驱动产品功能迭代、运营策略调整或算法模型优化，并对业务 ROI 负责，实现从“数据洞察”到“业务价值”的闭环。
1. 资金结算平台建设 参与货款结算、佣金清分、退款回流、对账核销、商家提现、跨境结算等核心系统的设计与研发，解决高并发、低延迟、数据一致性和故障恢复等工程问题，保障资金处理准确、稳定、安全和可追溯。 2. AI业务应用研发 深入资金结算业务，识别适合使用 AI 解决的高价值问题，建设规则查询、异常资金归因、对账差异排查、工单辅助处理和商家智能服务等 AI 应用。结合业务特点，合理选择 Agent、确定性工作流、规则系统或传统工程方案，推动 AI 能力真正创造业务价值。 3. AI研发提效与能力沉淀 运用大模型和 AI 编程工具提升需求理解、系统设计、编码、测试、代码审查、文档沉淀、故障定位及运维处置效率；将有效实践沉淀为可复用的研发工具、知识库和工程组件，推动 AI 提效能力在团队内规模化应用。 4. 生产级系统交付 基于 Java 技术栈完成 AI 应用与现有结算系统的可靠集成，建设工具调用、知识检索、上下文管理、状态保持及异常恢复等能力。完善日志、监控、链路追踪和安全审计，通过限流、熔断、降级、重试、人工复核等机制，保障 AI 应用在资金场景中稳定、可控地运行。
我们关注模型训练系统，为深度学习模型训练和超大规模训练提供算力基座，包括但不限于以下职责： 1、基于阿里云原生底座，设计实现数万卡规模的多租户、多种异构硬件、高性能计算集群的调度系统； 2、研发轻量级的训练重启、故障备份迁移、代码-依赖分发系统，面向有效训练时间极致优化； 3、针对基座模型训练，打造全面的可观测、可视化系统，洞察全生命周期软硬件故障动态； 4、结合大规模分布式训练框架、前沿的异构硬件，分析并解决预训练、后训练过程中软硬件缺陷； 5、构建大模型的模型训练、模型评测、模型管理、模型交付在内的MLOps平台； 6、平台化的支撑多模态生成模型的训练、迭代，以及在AIGC场景的生产化落地应用。
1、数据、营销和客服产品在泛零售、消费电子、酒类等行业的市场渠道开拓、客户拓展和产品销售工作，执行并完成年度销售计划； 2、能够基于全年的业绩目标，完成目标客户的快速拓展，具备从线索挖掘到商机转化到签约的商务全流程控局； 3、团队协同能力，具备良好的团队沟通协同能力，能推动内部产品、交付等角色完成大客户的整体服务经营； 4、KA客户的全方位经营能力，能够通过行业头部客户的项目实践总结标杆成功案例，提炼共性能力、加速行业同类客户的规模化复制。
1、负责阿里云全球IDC机房资产运营管理，制定并持续优化IDC资产运维标准、流程，开资产管理质量分析，提升运维专业化水平。 2、资产日常运维管理： • 资产账管理：负责建立、维护和更新数据中心的资产账，包括但不限于存货类、基础设施类、工具仪器类和耗材类资产；按照财务制度定期核对资产账与财务账，确保双账数据的准确性和一致性。提供准确的资产报告，为管理层决策提供依据。 • 财务账管理：负责与财务部门沟通，确保所有资产的价值和状态在财务系统中得到完整及时的反映。 • 实物账管理：对数据中心的实物资产进行定期盘点，确认实物资产数量与资产账的匹配情况；制定和实施实物资产管理流程，确保资产的安全、完好和有效利用。 3、负责阿里云全球IDC资产运营专业线能力建立，协助一线运维团队建立资产运维管理专业梯队。 4、主导阿里云全球IDC资产运维质量飞检，定期开展IDC资产盘点，达成公司资产存在率、准确率等指标要求。
1.品类战略规划与执行：负责零食行业类目运营，制定行业整体运营策略，负责品类规模增长及商家商品的孵化运营，达成业务增长目标。 2.商家与商品供给管理：基于市场趋势及消费需求和平台&类目需求，制定商家商品引入计划和跟进，确保品类供给多样性与商品竞争力，提升类目规模增长。 3.客户增长方案设计：针对不同客户类型（如地域品牌商家、产业带中小商家等），通过整合平台渠道资源，熟悉淘系商品运营规则，来定制设计业务增长方案，引导客户在平台实现健康可持续增长，完成其销售规模跃迁。 4.营销活动策划与执行：能洞察零食行业市场动态及消费趋势，策划符合品类特性的营销活动（如节日促销、节令促销、场景化营销），提升品类在业务中的影响力。 5.运营创新与机制优化：对零食供应链有一定了解，能快速引入符合新业务的货盘模式供给，帮助推动优化平台场域机制与售卖策略，推动品类运营模式升级。
1. 辅助加强Agent/RAG等原子构建工具的运营，重点聚焦Agent平台的应用侧能力 2. 负责Agent模板、Skill、连接器的场景化封装与推广，降低开发者使用门槛 3. 完善应用开发文档与教程体系，沉淀Agent平台最佳实践与开发者教程 4. 收集开发者反馈，推动算法及技术团队迭代优化Agent平台功能、 5. 监测并优化Agent平台应用构建成功率，提升开发者满意度 6、市场洞察和竞对分析、垂类场景skillS上线效果及商品上市
1. 主导重点行业PoC（概念验证）方案的端到端建设，覆盖需求调研、方案设计、技术验证、效果评估及交付复盘全过程； 2. 与客户深度共建，结合公司产品能力与前沿技术（如人工智能、大模型等），打造可落地、可复制的行业标杆解决方案； 3. 高效协同内部产品、算法、研发及交付团队，确保方案技术可行性、先进性与实施效率； 4. 沉淀行业方法论与最佳实践，推动成功方案在垂直行业内的规模化复制与推广； 5. 持续跟踪行业技术趋势与客户需求变化，为产品演进和解决方案创新提供一线输入。
1. 负责Agent Studio底层框架设计和标准制定，规划Agent平台的技术演进路线 2. 主导Skill生态的技术规范和接入标准，确保平台可扩展性和生态兼容性 3. 协调产品、技术、生态三方资源，推动Agent平台能力建设与商业化落地（MCP、skills、A2A、connector等） 4. 跟踪国内外Agent平台产品动态及应用数据资产消费发展趋势，制定差异化竞争策略 5. 建立Agent平台的技术评估体系，监控平台性能指标与开发者体验
1、负责 AI 驱动应用的核心架构设计与开发，打通前端交互、后端服务、数据链路与 AI 模型能力，构建端到端可落地的智能化产品能力； 2、构建稳定、高可用、可扩展的后端服务体系，熟悉分布式架构、消息中间件、缓存、远程调用、任务调度等核心技术，支撑复杂业务逻辑、高并发场景及 AI 应用的异步化、长链路执行需求； 3、负责LLM及多模态 AI 能力的集成、编排与工程化落地，持续优化 Prompt Engineering、Context Engineering、RAG、工具调用、成本控制与效果评估体系； 4、结合业务场景进行技术选型、领域建模与 AI 应用流程设计，能够设计并实现复杂的 Agentic Flow、AI Workflow、MCP 工具链或人机协同流程； 5、具备技术 Owner 意识，能够主导关键模块从方案设计、技术攻坚到上线运维的完整交付，并能沉淀工程规范、辅导团队成员，提升团队在 AI 时代的工程交付能力。
1、从电商全链路业务视角出发，抽象研发效率与工程可信度的共性问题，设计可复用、可扩展的工程基础设施与自动化能力体系，沉淀为组织级的技术资产。 2、深入 LLM / Agent / Prompt 工程 / 上下文工程 / MCP 等应用层技术，主导其在研发场景的工程化架构落地，设计 AI 辅助下的研发链路与可信交付机制（含验收与质量保障作为架构约束内建）。 3、跟踪 AI 工程化前沿动态，牵引关键技术选型与架构演进，推动新范式、工具在团队与业务侧的规模化落地。
团队围绕百炼图像、视频、实时生成及世界模型等场景（Qwen Image, Wan, Happy Horse, Happy Oyster等），建设业界前沿的稳定、高效、易用、成本可控的生产级模型服务，持续提升用户体验、服务稳定性、GPU 利用率和模型研发效率。 具体职责包括： 1. AIGC 模型服务化：面向图像生成、视频生成、实时生成及世界模型场景，负责高可用服务架构与端到端方案设计，适配一方及第三方模型；支持同步、异步、流式及长任务等各种服务形态； 2. 调度与资源效率: 面向不同workload请求，建设任务队列、批处理、流量路由、QoS 和弹性伸缩能力, 优化容量匹配与资源分配，提升 GPU 利用率并降低单位生成成本。 3. 研发与交付效率：打通模型从算法代码到生产服务的交付链路，完善 CI/CD、问题回放和自动化准出能力，提升模型 Day-0 上线及持续迭代效率。 4. 用户体验与稳定性：面向多模型、大流量、长耗时和复杂 Pipeline 场景，保障线上服务slo；持续优化端到端耗时、用户调用体验，完善服务观测、故障恢复、灰度及回滚体系。
1、定义网络安全基座模型的知识体系和评测体系 2、建立网络安全基座模型的知识迭代飞轮，从多种知识来源收集沉淀网络安全领域知识，与算法同学合作为网络安全基座模型提供高质量领域知识与数据 3、针对网络安全基座模型在评测中的问题进行归因分析，识别网络安全基座模型的短板
本岗位支持魔搭站点（modelscope.cn）以及整体技术生态对应的后端服务的研发工作。同时负责在快速迭代的AI领域，架接模型贡献者和模型使用者之间的桥梁。支持新模型，新应用的迅速接入，确保前沿模型以及衍生的AI生态能在魔搭上迅速落地。具体工作包括（但不限于）： 1. 魔搭模型，数据集，创空间等功能研发以及后台服务的管理，以及上层Agentic应用的服务化和产品化建设。 2. 通过与底层云基座打通，打造魔搭服务平台自动弹性和水平扩展能力，为千万级别的开发者用户提供稳定的服务，实现高效的计算资源使用。 3. 围绕魔搭的模型生态，开发LLM、Diffusion等各领域大模型实现应用落地所需的相关工具链。并支持模型从ckpt落地为实际应用和服务化所需的自动化部署，评测等一系列工程链路。 4. 撰写技术设计文档以及用户文档，包括操作手册和最佳实践指南等。
1. 负责语音助手场景的记忆相关能力建设，包括对话数据、行为数据、应用数据的记忆生成和召回链路； 2. 负责大模型在记忆机制（如外部记忆库、长期上下文管理）和数据处理（如机器数据预标注、质检）方面的算法研究与开发； 3. 记忆相关agent算法研发，保证记忆能力在对话中控、领域agent、个性化交互等场景的高质量交付。
1. 负责客户端（Web、移动端、桌面端等）安全风险评估、风险分析及风险治理体系建设，持续提升整体安全水位。 2. 建设 AI Native SDL 在客户端研发流程中的落地能力，将安全能力融入设计、开发、测试、发布及运营全生命周期。 3. 建设终端智能体（Agent）安全体系，保障 AI Agent、MCP Client、Browser Agent 等新型客户端形态的身份认证、权限控制、工具调用及运行时安全。 4. 建设客户端运行时安全能力，覆盖代码完整性、环境可信、设备风险、数据访问、敏感能力调用等核心风险场景。 5. 建设客户端风险发现、自动分析及治理平台，持续提升风险识别、修复建议及治理自动化能力。 6. 利用 AI 提升客户端代码分析、安全评审、风险评估、漏洞分析及自动化治理效率。 7. 推动客户端安全能力平台化、产品化，为研发提供默认安全（Secure by Default）的基础能力。 8. Always First Principal
伙伴拓展 • 结合业务策略，拓展、培育生态伙伴资源及网络，形成以AI和公共云为核心的生态体系，提升阿里云整体产品(MaaS\Agent\公共云等）销售、技术方案和交付实力。 战略合作协议签订及策略落地 • 基于年度业务目标及伙伴合作政策，挖掘、调动伙伴资源，设计并与伙伴协商签订合作协议。 • 制定GTM plan，通过销售激励，联合市场拓展，推动合作协议落地执行，实现业务策略有效落地。 合作关系管理 • 与公司内部相关方、生态伙伴的关键人员建立长期深度的沟通合作机制，促进阿里云和生态伙伴的长期、全面合作关系，包括但不限于长期业务合作规划、项目团队建设、联合商机拓展、服务&交付合作、联合解决方案方案推广等。 协助生态伙伴发展（行业生态） • 指导合作伙伴基于阿里云开展业务，能够站在合作伙伴的业务角度，从市场拓展、产品规划等方面指导合作伙伴的阿里云业务从无到有、从有到多的发展。 推动合作创新 • 与具有重要影响力的合作伙伴一起推动创新，洞察客户需求和市场机会，推动新产品、新技术、新领域的联合解决方案从想法落地到上市。
❏ 统筹海外仓商品合规审核团队的日常管理，建立商品准入审核标准与流程，防范因资质缺失、标签不合规等导致的清关、平台下架及法律风险； ❏ 搭建并持续优化商品审核SOP、审核时效及质量指标，根据品类风险制定差异化审核策略； ❏ 带领团队完成欧代、CE认证、DoC、法国WEEE/电池法/包装法注册号等资质的审核与归档； ❏ 推动合规文件、审核结果与SKU/批次在WMS或合规系统中关联，建立可快速调取的资料台账； ❏ 识别高风险卖家与高频问题品类，建立健全商品合规管控机制，输出风险预警与处理建议； ❏ 联动关务、法务、客服、销售等部门，同步法规与平台政策变化，参与商家准入合规评估，推动流程与系统改进
岗位描述：面向大模型"加速乃至自动化 AI 研发本身"的能力（自主写代码、跑实验、复现/改进算法、端到端做研究，进而推动模型自我迭代），独立负责其能力提升的完整闭环。 岗位职责： 1. 设计衡量 AI R&D 自动化 / 自我改进能力的评测任务与指标，对标并扩展业界 benchmark（RE-Bench、MLE-bench、PaperBench、SWE-bench 等）；核心指标包括相对人类专家的 uplift、长程 agentic 任务成功率、随时间 / 算力预算的收益曲线，并区分真实能力提升与刷分（reward hacking）/ 数据污染。 2. 定位模型在真实研究工程场景（跑实验、调优、写高性能算子、复现论文、自动化 ML）中的短板与失败模式。 3. 针对短板设计数据与环境合成方案：构建真实的长程研究工程环境、agentic RL 环境，结合拒绝采样、self-critique、AI feedback（RLAIF）、自动生成训练数据 / 代码等，产出高质量训练数据。
1. 负责Qwen大模型预训练数据的算法设计与体系建设，面向海量文本、代码、多模态等数据，开展数据采集扩充、质量评估、筛选配比和合成优化，建设高质量、可持续迭代的预训练数据管线； 2. 持续建设面向mid-train阶段的模型驱动的合成与质检链路，围绕知识、推理、代码、长文、Agent、多模态等核心能力方向，形成数据生产、质量控制与训练反馈的闭环优化机制，不断提升数据密度、能力针对性与最终训练收益； 3. 持续完善数据实验与验证链路，构建覆盖不同模型参数规模的数据scaling研究策略，系统分析数据策略在不同参数规模下的收益迁移与效果一致性，同时丰富预训练评测体系，跟进大模型前沿技术研究，推动预训练数据闭环迭代，打造业内领先的数据算法能力。
1. 基于模型与 MaaS 平台能力，设计金融行业智能 Agent、企业知识库、任务自动化 Workflow、多Agent协同等产品方案，推动模型能力在金融场景中的落地应用。 2. 理解金融机构核心业务流程，围绕智能投研、智能风控、智能营销、金融知识库、投顾助手等场景，设计 AI 产品方案并推动商业化落地。 3. 能够抽象行业共性需求，沉淀标准化组件与行业解决方案，推动金融AI产品从0-1建设及规模化复制。 4. 联动算法、工程、解决方案、销售及生态伙伴团队，推动产品能力建设与客户交付上线，持续跟踪业务效果与客户反馈，驱动产品迭代。 5. 关注行业前沿技术与产品趋势，跟踪国内外Agent、AI Workflow等行业趋势，形成产品演进路线判断。
阿里巴巴旗下的 AI Coding 创新团队，致力于重新定义 AI 与人协作的方式。我们正在打造一个新的场景，将Coding Agent的能力泛化，让 AI 真正从"辅助工具"进化为"工作主体"，实现长时间自主运行、独立承接真实任务、稳定持续交付最终产物，彻底革新人类的工作方式。我们正寻找富有激情、创造力和前瞻性思维的精英人才加入，共同定义 AI Agent 时代的产品形态。 1、负责全新 AI Agent 产品的全生命周期管理，从 0 到 1 定义产品形态、能力边界与演进路径,包括市场研究、产品战略制定、功能设计、用户体验优化及产品增长; 2、洞察行业趋势和技术发展，确保产品在快速演进的 AI Agent 领域保持领先地位; 3、设计创新的人机协作交互范式，围绕 Agent 的长时运行、云端执行、异步任务调度、规划执行、记忆与自进化、上下文管理等核心机制，打造直观、可信、引人入胜的产品体验; 4、深入理解开发者、知识行业等用户真实工作流，洞察高频、高价值的工作场景，识别适合由 Agent 自主承接的任务类型，设计端到端的任务交付路径; 5、与 UI/UX、工程团队紧密协作，将底层 Agent 能力转化为稳定、可控、符合用户心智的产品体验，持续提升视觉、交互和智能化表现; 6、通过深度用户研究、数据分析和持续实验，驱动任务成功率、自主完成率、用户信任度与长期留存等核心指标的提升; 7、建立和维护与 key stakeholders 的关系，包括内部团队、合作伙伴和重要客户，确保产品战略的顺利实施。
1、负责大规模多模态数据计算引擎的核心架构设计与执行计划优化，构建面向异构计算（CPU/GPU）的高效任务调度机制与执行流水线，解决PB级多模态数据（图像、音频、视频等）处理过程中的关键性能瓶颈； 2、应对PB级数据在Shuffle、Join、Aggregation等场景中面临的内存、I/O与存储资源挑战，攻克每日PB级流批一体数据处理过程中的系统稳定性难题了； 3、提供SQL-like与Python双端编程接口，打造从本地开发调试到生产级分布式计算的一站式开发体验，持续提升开发效率与工程易用性； 4、应对百PB级结构化数据及多模态数据入湖场景下的高效存储与高吞吐I/O挑战；实现多租户I/O与存储资源的有效隔离；构建完善的数据治理体系，保障数据质量，防范数据腐化风险。
1. 优化Leads全生命周期管理体系：从Leads生成、分级、分发、跟进、流转到转化，设计端到端运营流程，确保各环节高效衔接、闭环可追踪。 2. 推动Leads统一池建设与智能分发机制落地：协同产品、数据、销售及市场团队，建立跨来源Leads的标准化接入、去重、打标与动态分配规则，重点支持MaaS等高价值业务线的精准匹配。 3. 搭建全链路转化漏斗与效能分析体系：建立监控关键指标（如MQL→SQL转化率、首次响应时长、Leads存活周期、渠道ROI等），定期输出洞察并驱动流程优化。 4. 联动市场、销售与解决方案团队：推动Leads质量反馈闭环，反哺市场投放策略与内容优化，提升前端Leads精准度。 5. 探索AI/大模型在Leads运营中的应用：如智能评分、意图识别、自动分配建议等，提升运营自动化与智能化水平。 核心能力： 1. 精通Leads全链路运营方法论，具备搭建或优化Leads管理体系的成功案例； 2. 熟悉主流CRM及营销自动化工具能基于系统设计运营规则； 3. 具备强数据分析能力，熟练Excel、BI工具（如Tableau、Power BI），可以进行漏斗分析与归因建模； 4. 优秀的跨团队协作与项目推动能力，能有效协同市场、销售、产品、数据等多方角色。
1. 负责千问ai创作线的核心数据体系建设，保障数据准确性与及时性，通过数据洞察及时定位业务问题与机会点，保障业务策略落地； 2. 基于业务痛点开展专项分析，包括但不限于：图像生成创作体验、内容消费及分发、内容供给等； 3. 深度参与业务规划，通过数据挖掘、归因分析、漏斗分析、AB实验评估等，找到问题点，输出可落地的策略建议； 4. 协同产品、运营、算法、研发等团队，主动挖掘业务需求，提供数据支持，推动分析结论落地并追踪效果； 5. 完善数据指标体系、埋点方案，管理数据口径，提升数据应用和决策支持效率
1、负责对话式 AI 导购的全链路运营，覆盖用户意图理解到商品供给匹配，优化对话交互与转化路径，承接互动效率、导购转化率、用户留存等核心指标； 2、建立知识库及属性标准，制定选品与货盘规则，推动行业及商家协同完善知识库体系与选品池，为导购推荐提供用户想要的商品供给； 3、主导核心模块的需求落地与持续迭代，协同产/技/算法团队提升人货匹配精准度与推荐质量，通过灰度实验与数据复盘、评测等驱动持续优化； 4、持续研究同类产品及海内外、跨域 AI 产品，对标与学习，输出业务规划与迭代方向，探索 AI 导购增长新模式，支撑业务决策。
1. 负责研发语音端到端、语音Agent、多模态交互、语音实时同传等任务的基础研究和应用落地； 2. 负责研究语音生成与理解一体化模型架构、强化学习、统一的语音表征等技术方向； 3. 跟踪并研究实现业内顶尖成果，结合业务场景实现算法的工程化部署。
