共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
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。
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. 面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行。 2. 深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。 3. 制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。 4. 针对移动端等资源受限环境，优化Agent调用链路的性能、延迟与鲁棒性，支持离线、弱网、低功耗等边缘场景下的可靠运行。
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）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。
1. 参与模型服务平台云原生管控系统的开发，包括服务生命周期管理、弹性伸缩、灰度发布等核心能力建设 2. 负责大规模GPU集群的资源管理与调度系统开发，包括资源分配、超卖策略、异构资源调度等 3. 参与基于Kubernetes的调度器与Operator开发，实现GPU资源的精细化调度与利用率优化 4. 负责大规模GPU集群的稳定性建设，包括故障检测与自愈、可观测体系、安全管控等 5. 参与平台产品化与计量计费系统的开发，支撑商业化运营 6. 根据用户反馈快速定位线上问题，将运维经验沉淀为平台能力，持续提升系统可靠性
一、我们在做什么 淘宝搜索是阿里核心业务之一，日均服务数亿用户的购物决策。我们正在将搜索从"找商品"升级为"发现灵感"，探索 AI Native 的下一代搜索体验。 我们尝试打造全新的Agentic Search搜索产品范式：围绕店铺 Profile 理解、店铺优质装修素材挖掘，以及 User × Query × 趋势的兴趣推理，建设店铺内容型 Agentic 灵感导购，帮助用户更高效地发现风格、店铺和值得继续深逛的商品。 这个方向将形成区别于主链路“逛商品”的认知心智，并把用户在灵感浏览、自然语言反馈和多轮选择中产生的高质量兴趣信号，反哺主搜索的个性化推荐策略。 二、你的岗位使命 作为这一方向的AI搜索PM，你将负责定义“店铺内容型 Agentic 灵感导购”是什么、解决谁的什么问题，以及如何证明它创造了新的搜索价值。你需要把用户需求、搜索与推荐能力、店铺供给、内容表达和 AI 交互组织成一条完整链路，并推动产品从概念验证走向规模化。 三、职位描述 你将负责 1. 定义产品方向与演进路线。 围绕内容、灵感、发现和效率，明确「逛」区别于主搜索商品链路的用户价值；从宽泛词切入，识别优先场景并推动 MVP、实验和持续迭代。 2. 建设搜索理解与店铺推荐策略。 和算法团队共建 Query 理解、店铺级召回排序及个性化策略，将用户当下需求、长期偏好与趋势信号转化为可解释、可承接的推荐结果。 3. 推动店铺 Profile 与内容供给建设。 组织店铺风格、适用人群、场景、价格带、商品结构、服务与权威信息；探索店铺装修、穿搭内容等素材的识别、筛选和治理机制，解决素材质量参差、覆盖不足和同质化问题。 4. 设计 AI 原生的连续导购体验。 在不牺牲首屏效率的前提下，探索轻量AI Summary 的价值；重点建设流内持续对话，让用户能够自然表达，并驱动结果刷新和收敛。 5. 设计并验证内容承接链路。 比较内容详情、店铺全部宝贝等不同承接方式，确保用户在封面看到的商品和风格能够被后续页面接住，同时平衡发现效率、浏览深度和交易转化。 6. 建立实验与增长闭环。 定义核心指标和可验证假设，通过受控实验识别 Summary、内容形态、个性化和承接方式的净增量；将「逛」场景沉淀的兴趣反馈转化为主搜索个性化可复用的策略资产。 在这些工作中，你直接负责产品判断、方案设计、实验定义和结果复盘；搜索算法、数据、设计、工程及商家供给能力由你牵引相关伙伴共同建设。
· 负责区域及出海市场营销工作，能结合公司战略方向、产品技术特点及市场需求，识别市场机会点，制定整合营销计划，挖掘新赛道及核心圈层，建立系统化市场覆盖矩阵，并确保有效实施。 · 负责大型Campaign项目策划及落地执行，基于赛道洞察、竞对情况、市场机会点、目标受众画像、产品优势，制定针对性的营销策略，能够在复杂环境中建立跨团队协同机制，协调各方力量达成目标。 · 负责AI、出海等重点赛道的心智定义、内容生产和传播策划，能结合市场热点策划事件营销，结合技术趋势、应用趋势挖掘和包装客户案例及产品技术优势，通过高质量内容及传播策划提升相关赛道阿里云声量。 · 负责营销活动的效果评估和数据分析，建立并持续迭代营销效果评估体系，定义关键指标，结合评价维度分析营销效果并持续优化营销策略。
1、负责剧综衍生节目及短视频运营及推广，对剧集内容有判断，了解AI内容生产链路，能根据内容特点制定衍生节目内容方向，对收入结果负责； 2、负责娱乐新闻内容运营，有热点意识和新闻敏感性，结合用户兴趣进行娱乐内容分发推荐，为娱乐向内容收入、用户规模等指标负责； 3、有数据分析能力，结合场景流量、产品形态、收入等多维数据做内容数据洞察，输出推荐分发链路上的优化动作和策略，提升流量效率； 4、根据频道业务策略及需求，提出产品优化、产品玩法迭代等需求，并推进落地执行。能根据产品环境变化，优化人货场匹配机制，提升分发效率；
1.机构/高校/供应商生态全生命周期管理：负责外部资源拓展匹配、准入管理、资源调度、交付履约及结算等工作。建立完善的合作伙伴绩效管理制度，通过科学的评估体系优化供应商合作，提升整体合作质量。对合作伙伴在项目中出现的问题和事故进行及时干预与处理，确保项目顺利推进 2. 交付与运营效率提升：通过商务策略优化、流程再造及产品设计创新，不断提升高校交付及运营效率，降低整体业务交付成本。推动资源管理的智能化与自动化升级，助力公司在高难数据构建、标注领域保持竞争优势 3. 创新模式：借力高校/机构/政府资源高地，创新数据合作模式，优化数据产线
1、 酒店拓展：拓展区域优质酒店，保证区域供应链完整、拿回优势价库； 2、价库运营：结合平台工具和资源，做好基础信息维护、工单处理、平台重点项目的落地执行，提高间夜产出； 3、商户问题处理及关系维护：解决商家遇到的如操作、财务、订单、商品优化等方面的问题，并通过高频次拜访，帮商家解决具体问题及维护与商家的关系。
1、跟踪研究宏观与消费态势（如AI+消费、即时消费、服务消费），围绕行业与产业发展的本质、规律、趋势与挑战等，把握研究方向与重点，输出理解、思考与研究成果； 2、结合宏观形势变化与业务实际发展，基于对业务模式、行业现状、政策体系的理解，发现、定义问题，沉淀分析体系与指标框架，进行现状还原、问题定位与成因分析； 3、联动内外部机构与专家，推进公司内外部研究合作，撰写研究报告，支持公司决策。
1、基于对医疗&教培行业趋势、竞对动态及平台数据的深度洞察，制定大区年度经营战略与商业版图规划，明确增长路径与资源投入优先级 2、带领团队实现辖区内教培&医疗商家（亲子、教育、口腔、综合医院、医美等）的快速渗透，基于 LBS 场景特性，整合营销、广告等资源，打造可复制的行业标杆案例。 3、 负责大区管理梯队的选拔与培养，提升团队作战能力，打造高执行力销售团队。 4、跨部门协同与流程优化：协同产品、运营等部门推动项目落地，参与制定并协调上级政策的本地化执行，优化区域内部管理流程。
-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。
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。
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。
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、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. 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。
