共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
1、作为瓴羊售前解决方案架构师，与云业务经理、解决方案架构师、产品、交付、咨询及客户成功等诸多角色紧密协作，面向零售与互联网行业客户提供数据驱动的营销数字化解决方案，帮助企业实现业务增长。 2、面向行业客户开展售前交流，包括需求调研、方案设计、产品演示、POC验证及招投标支持等，基于瓴羊营销产品矩阵（如 QuickAudience 智能用户增长、QuickTracking 埋点采集、天域数擎等）设计并呈现数据驱动增长的解决方案，协同销售团队推动商机转化与项目签约。 3、深入洞察零售与互联网行业客户的痛点、需求及面向未来的机会点，识别并归纳行业共性需求，给出明确的产品及解决方案优化建议。 4、定期输出营销领域行业洞察与竞品分析报告，迭代提升解决方案与客户需求的匹配度，总结并推广可复制的行业打法与解决方案。
1、项目交付与管理： 负责瓴羊营销云产品（CDP/MA等）在B2B客户侧的落地交付，主导需求调研、方案设计、系统配置及上线培训，对项目交付质量和客户满意度负责。 2、客户成功与运营： 深入理解泛零售/品牌客户的业务场景，通过产品交付解决客户实际营销痛点，并在交付过程中通过运营手段提升客户对产品的使用深度与粘性。 3、产研协同与反哺： 具备产品思维（PD视角），能从交付实战中敏锐洞察客户需求，将其转化为标准化的产品改进建议，推动产研团队优化产品功能与体验。 4、沉淀与赋能： 总结行业交付SOP与最佳实践案例，提升团队整体交付效率。
职位描述 1、参与百炼平台（对外商业化平台、对内工程基础平台）的产品全流程，和各角色协同，完成从需求到设计、开发和上线等整个项目周期内的工作。 2、参与多模态模型的商业化，AI+不同场景结合带来 更多新交互形式，深入音视频、图像处理、对话等不同前端领域，提供更合适的模型体验方案。 3、参与AI Agent领域，参与 AgentRuntime、Workflow、Memory、RAG等 Agent Infra 系统建设，构建并完善 MCP、SKILL等可扩展工具链，实现 Agent 的进一步商业化应用 4、参与AI+产品的不同端形态的设计落地，打造更优质的用户体验，提升百炼PC Web、移动端H5等通用服务站点的可用性，同时实践并落地 AI Native驱动的全新服务体验。
1. 供应商战略规划与生态布局：制定大模型数据生产领域的供应商战略，围绕预训练、SFT、RLHF、多模态等业务场景，搭建层次分明、能力互补的供应商生态。持续拓展国内外优质供应商、垂直领域专业机构及专家资源，建立覆盖多语言、多领域、多交付模式的资源地图，支撑业务规模化与全球化发展； 2. 供应商全生命周期管理：建立并完善供应商准入、评估、分级、激励与退出机制，覆盖资质审核、试单评估、合同谈判、日常管理、绩效考核及关系维护全流程。定期组织供应商复盘与述职，输出供应商健康度评估报告，优胜劣汰，持续优化供应商结构与合作质量； 3. 资源调度与供需匹配：统筹供应商、专业机构、垂直领域专家等多元化资源，建立动态资源池与产能储备机制。根据项目需求进行资源预测、产能规划与精准调度，确保大模型数据标注项目在人效、时效、质量上的稳定供给，快速响应业务波动与突发需求； 4. 成本效率与质量管理：定价模型设计与成本结构优化，通过规模化招采、流程优化及产品工具（如 AI 辅助标注、自动化质检）降低单条数据交付成本。建立交付质量监控体系，对供应商交付质量进行过程监督、异常预警与闭环改进，确保项目高质量交付； 5. 风险管理与合规：识别供应商合作中的交付风险、产能风险、质量风险及合规风险，建立风险预警机制与应急预案。对项目中的问题与事故进行快速响应、根因分析与处理闭环，确保业务连续性与数据安全合规。
1、方案设计与技术咨询 • 主导企业级解决方案设计——深入理解客户的技术栈、开发流程和业务目标，设计 Qoder 产品的集成路径，涵盖 IDE 插件配置、工作流嵌入、团队协作和权限管理等场景 • 为客户提供技术咨询和最佳实践指导，包括 AI 编程助手的效果调优、团队级部署策略、以及与现有开发工具链的无缝对接方案 • 制作高质量的技术方案文档、产品架构白皮书和 POC 演示，支持销售/渠道团队推进大客户签约 2、售前技术支持与客户交付 • 深入理解海外市场的企业采购流程、合规要求（GDPR、EU AI Act 、SoC 2等）和竞争态势，制定区域化的技术售前策略 • 作为售前阶段的核心技术角色，参与客户会议、产品演示和技术答疑，将复杂的 AI 编程能力以业务语言呈现 • 主导 POC（概念验证）全流程——从需求对齐、效果验证到结果报告，确保客户在评估阶段获得超预期体验 • 与产品和工程团队紧密协作，将客户反馈和市场洞察转化为产品改进建议，推动产品在目标市场的适配优化
1. 数据标注、模型评测、数据采集、数据生产的资源管理体系搭建与优化：构建并完善数据生态资源管理体系，统筹管理多种资源形态。通过精细化管理策略，提升资源交付的整体质量和效率，确保资源管理的标准化与规范化。 2. 供应商全生命周期管理：负责外部供应商的资源拓展、准入管理、资源调度、交付履约及结算等工作。对供应商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。建立完善的供应商绩效管理制度，通过科学的评估体系优化供应商合作，提升整体合作质量。 3. 多元化资源管理与高效调度机制构建：构建多元化的资源管理结构，整合多种用工类型与垂直领域专家资源。设计高效、合理的资源分配调度机制，精准匹配项目需求与资源供给，确保资源供给的及时性与有效性，提升资源利用效率。 4. 资源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，不断提升资源交付及运营效率，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，助力公司在数据标注领域保持竞争优势，实现业务的可持续发展。
客情建设和商机拓展 •主动洞察所在区域/市场的关键行业，识别出关键/潜在客户，并主动找到关键决策链，识别客户真实需求。 •梳理客户决策链，识别关键客户，构建立体的客户沟通界面。 •通过关键事件的导演和策划、商务沟通、拜访交流等方式和客户对话，获取客户信任，挖掘和洞察客户业务需求，形成有效商机。 •定期与现有和潜在客户联系，及时了解客户的业务规划和预算、供应商情况、组织架构、技术环境等关键信息。 •与客户CXO或CXO-D建立长期的业务关系，在合作中获得关键性支持。 产品和技术价值传递 •深入理解混合云方案，包括软件、硬件、网络、安全等各方面的整合，并深刻洞察客户业务需求。 •基于行业和客户需求洞察，帮助客户理解飞天云计算操作系统、七大件、AI/智算等阿里云产品的技术价值，以及相对竞企的差异化竞争优势，传递阿里云作为客户最佳合作伙伴的定位。 需求匹配和商机转化 •协同SA、产研和生态伙伴等资源，形成明确的销售及解决方案策略，设计合作路径并沟通执行。 •结合对客户业务需求的理解，以及阿里云可标准化复制的解决方案，提供能满足客户需求的方案设计，解答客户对产品、解决方案的常规问题。 • 通过沟通和影响力、商务报价等一系列销售策略的运用，转化商机，达成业绩。 • 将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。 商务运作和业务支持 •基于阿里云和客户商务流程规则，完成客户招投标及商务合同签署等商务工作。 •动态跟踪客户需求变化，推动合同变更。 •协同产研、交付和生态伙伴等资源，及时发现并解决项目交付问题，支撑客户业务目标达成。 •支撑混合云复杂项目运作，参与招投标流程管理、项目管理、风险管理，协调组织资源。
1.深入理解信贷、风控、财富、客服等至少一条金融业务线，与产品经理、业务方共创智能体落地场景，输出可执行的技术方案。 2.负责智能体核心能力开发，包括 prompt 设计、RAG 知识库构建、工具接口封装、多轮对话流程编排及异常兜底策略。 3.对接金融核心系统与数据中台，完成智能体与现有业务平台的安全、稳定集成，保障数据合规与资金安全。 4.建立智能体效果评估体系，持续追踪准确率、转化率、用户满意度等关键指标，并基于反馈迭代优化。
我们是淘天集团淘宝用户算法团队，致力于通过外投广告算法、商品推荐算法、权益激励算法及消息触达策略的深度融合，驱动淘宝用户的高效增长与长期价值提升。团队聚焦用户全生命周期管理，以大规模机器学习、商品召回排序，序列建模、因果推断、运筹优化等为核心技术引擎，在获客效率、增量GMV和用户LTV等关键指标上持续突破。 我们正在寻找在外投广告出价方面有深厚技术积累和实战经验的资深工程师，共同构建业界领先的出价链路。 核心职责： 1. 负责手淘外投广告场景的算法优化工作，包括RTA、RTB智能出价与跨渠道成本规划等算法研发； 2. 完善离线仿真环境，利用前沿的强化学习、生成式模型及LLM后训练等技术，解决复杂约束下的多目标优化问题； 3. 优化多ADX环境下的多智能体强化学习模型，提高广告主收益； 4. 深入理解外投的业务特点，结合素材理解，广告位理解，标题生成等方向，挖掘算法驱动业务的增长点，搭建算法模型并推动落地； 5. 搭建基于LLM的Agent架构，根据自然语言指令生成调价参数，实现更灵活的人机协同广告投放。 为什么选择我们？ ● 聚焦核心算法链路： 深度参与淘宝核心用增场景的出价环节，你的工作直接影响亿级用户的体验与核心业务指标。 ● 直面技术挑战： 处理海量数据与高并发请求，优化大规模分布式训练与推理效率，在工业级场景下实现算法突破。 ● 前沿技术实践： 在强化学习、生成式模型、大模型应用等方向持续探索与落地。 ● 精英技术团队： 与顶尖的算法工程师共事，在浓厚的工程与算法氛围中快速成长。 ● 关键角色定位： 负责用增外投系统最核心的出价模块，技术贡献清晰可见。
1.组织集群各种规范标准、技术优化、⻛险等评审会议，并做好相关记录； 2.跟进全国规范标准、技术优化、⻛险排查的落地进度，并及时推动落地； 3.审核并优化暖通专业系统的SOP/EOP/MOP/SCP⽂件及巡检表单、维护计划、维护内容、演练计划与⽅案等⼯作内容； 4.开展PUE、WUE专项治理⾏动，下发并落实节能调优策略； 5.负责数据中⼼运⾏数据的分析、设备运⾏参数设定指导； 6.节能优化提⾼设备的综合效能、采取有效措施提升设备保障能⼒； 7.对在运⾏数据中⼼出现的暖通问题进⾏故障定位，根因分析并在技术上⽀撑问题快速解决； 8.及时总结复盘并横向拉通进⾏经验分享，更新相关运维标准、规范等。
1. 负责车后平台（如轮胎、保养、洗车美容等品类）交易链路运营，包括商品上架、套餐设计、价格策略制定，推动GMV、订单量、客单价等核心指标达成。 2. 搭建用户运营体系，策划新客拉新（如券类活动、跨界合作）、老客复购（会员体系、专属权益）策略，提升用户留存率与活跃度。 3. 对接车后服务商，针对不同城市和门店情况制定分层运营策略。 4. 策划平台营销活动，包括出行流量高峰的专场、日常会员日等，负责制定KA、小B招商计划。 5. 监控交易数据（GMV、复购率、履约率等），定期输出运营复盘报告，基于数据优化商品、用户、服务商运营策略。
1、根据业务需求，完成策划选题，进行世界观、剧情人物架构等设计； 2、全面负责原创剧本的统筹开发工作，能独立推进或配合完成剧本开发流程，按照公司要求完成文学创作及剧本产出； 3、关注市场流行趋势，挖掘创新类题材，具备文学改编能力，能驾驭不同类型故事的编创； 4、负责把控内容品质，制定剧本创作计划并推进执行，配合项目进度确保产出效率。
岗位职责： 1、版本与活动运营： 负责产品研发阶段的CE测试、删档测试，结合数据和玩家反馈提出版本调优方案 负责游戏上线后的日常运营，包括版本更新规划、节日/主题活动策划与执行 设计活动规则、奖励配置及投放节奏，提升玩家活跃、留存与付费转化 2、数据分析： 监控核心数据指标（DAU/MAU、留存率、ARPU、LTV、付费率等） 分析用户行为路径、游戏生命周期表现，输出运营报告与优化建议 3、用户社群管理 搭建与管理游戏官方社区（TapTap、B站、微信、QQ群等），收集反馈并及时响应 撰写公告、攻略、版本预告等内容，维护玩家关系与品牌口碑 4、跨部门协作 与平台开发部门一起，开发并更新维护官方SDK 与研发、美术、市场、客服团队紧密配合，推动运营需求落地 5、竞品与市场研究 跟踪行业动态、竞品玩法及运营策略，定期输出分析报告 结合市场趋势，匹配玩家偏好，探索创新运营模式（如主题赛季、IP联动、UGC等）
我们正在寻找一位具有深厚技术背景和丰富经验的Agent评测与优化专家，加入我们的团队，共同推动前沿技术的发展。您将负责主导模型在复杂金融任务中的评测工作，涵盖数据清洗、Trace 轨迹归因，模型蒸馏与对齐、奖励模型训练、领域能力，DeepResearch等方面，以优化模型性能并在金融任务中取得卓越效果。 您将： 1,主导Agent的评测，优化，模型post-training与Harness 的自动优化工作： 2,优化模型在金融任务中的效果：通过各种技术手段，确保模型在金融任务中的准确性和鲁棒性。 3,具备产品化思维，能够在客户现场完成算法架构设计与实施 4,设计和实现高效的模型优化策略：结合最新的研究成果和技术趋势，设计并实现高效的模型优化策略。 5,性能监控和反馈机制：实施和优化模型在实际应用中的部署，包括性能监控和反馈机制。 6,撰写技术文档和研究报告：与团队和利益相关者沟通项目进展与成果，撰写详细的技术文档和研究报告。
1.负责游戏UI系统创意视觉提案，依据游戏世界观与产品需求，确定界面系统整体的视觉包装方向提案，并推动各环节岗位将最终资源依照方案品质落实； 2.全程跟进设计实现过程，与策划、UE、动效、程序密切协作，确保最终版本实现品质与设计相符；
1. 负责 Agent 托管 PaaS 的整体架构设计与演进，明确系统边界、核心领域模型、技术标准和长期演进路线。 2. 横向协同 Sandbox、身份安全、网关、存储、可观测、研发交付及业务 Agent 团队，推动跨系统方案达成一致并落地。 3. 建设大规模会话与状态管理能力，解决长任务、流式交互、并发控制、断线恢复、会话迁移和回放等复杂问题。 4. 负责 Agent 安全与可靠性架构，建设复合身份、最小权限、凭证托管、故障隔离、容灾降级和 SLO 体系。 5. 推动模型、CLI、MCP、A2A、Skills、Sandbox 等能力通过统一协议和 API 接入，降低业务 Agent 的托管成本。 6. 主导关键技术方案与架构评审，通过核心代码、技术标准和最佳实践解决跨团队复杂问题，提升平台整体一致性。
1、负责新建数据中心消防图纸审核工作，确保消防图纸满足法律法规要求； 2、负责新建数据中心消防系统建设全过程管理工作，严格监督施工单位依照规范及设计要求开展施工，在施工期间主动排查潜在问题，及时督促施工单位落实整改； 3、组织开展新建数据中心消防系统的测试和验证工作，确保系统在紧急情况下可精准启动、稳定运行并充分发挥灭火与防护作用； 4、负责数据中心消防系统的日常运维管理，对各消防系统进行巡检、维护、故障排查与维修，确保消防设备处于正常工作状态； 5、制定和完善消防管理制度、应急预案和消防3P文档，定期组织消防演练和消防培训，提高全体员工的消防安全意识和应急处置能力； 6、对接合作单位、行政物业，确保合作单位、行政物业的消防相关工作按照既定计划和标准落实到位，定期检查合作单位、行政物业的工作进度和质量，及时协调消防相关问题。
1、负责安全风控域数据仓库的分层建模与指标体系建设，支撑反爬、反欺诈、内容与账户安全等场景的离线与实时数据交付； 2、主导将 AI 能力（Agent、知识库、大模型）工程化落地到 SQL 开发、数据校验、异常检测与数据治理全链路，持续提升数据交付效率与质量； 3、沉淀可复用的安全数仓资产（模型、指标、skill、知识库），推进团队向 AI Native 研发模式转型。
作为阿里妈妈 AI Agent 和客户成长团队的核心技术成员，你将主导下一代广告智能体系统的架构演进与策略创新。我们致力于将前沿的 LLM 与多智能体技术深度融入大规模商业决策场景，通过构建具备高度自主性与复杂推理能力的 Agent 体系，为广告主提供从精准投放到客户全生命周期运营的智能化闭环解决方案。在这里，你将探索 AI Agent 在动态博弈、长期记忆及个性化交互中的技术边界，驱动业务实现从自动化向智能化的跨越式增长。 职位描述 1、支持阿里妈妈核心广告产品中AI Agent相关算法能力设计和优化；构建完善与科学的营销智能体评价体系，持续优化现有Agent产品的产品能力与交互体验效果，打造行业Agent标杆； 2、针对广告投放与客户运营场景，设计基于长期回报的优化目标与奖励函数，构建复杂环境反馈预估的世界模型，通过大规模强化学习与持续学习，设计高效的奖励、环境、策略模型的协同进化算法，以提升Agent在复杂营销环境下的自适应能力与业务应用效果； 3、与工程团队紧密合作，共同定义和实现Harness能力的前沿创新，如Agent架构升级、长程任务优化、上 下文管理、working memory与长期记忆、Skill编译与自进化等领域； 4、通过持续学习算法优化，hybrid-training等方法，设计高效的自进化和终生学习方法，降低token消耗与成本； 5、探索智能体auto-research在Agent效果优化与广告算法迭代的应用，基于业务真实反馈，识别当前auto-research中的效果评价与问题，并进行针对性的优化； 6、跟踪 AI Agent 领域的最新学术进展，并将其转化为可落地的技术方案，持续提升团队在Agent算法领域的技术壁垒。
1、负责所辖区域的电销服务商布局及招募策略制定，挖掘优质资源，通过线上、线下多种方式招募并对招商结果负责，定期复盘沉淀招商方法论； 2、协助服务商搭建电销团队、业务培训、机制建设、团队管理，打造一支优秀规模化、标准化作战团队； 3、落地渠道业务部的拓展策略及销售政策，用数据驱动指导服务商作业，拿到商业化结果，帮助服务商盈利； 4、识别业务风险，传导风控要求，主动汰换业务发展或作业规范不合格服务商。
1、客情建设和商机拓展 •主动洞察所在区域/市场的关键行业，识别出关键/潜在客户，并能够主动找到关键决策链，识别客户真实需求。 •用客户的语言展开对话，获取客户信任，挖掘产品和技术需求，形成有效商机。 •对存量客户进行二次开发，在服务、业务合作等多方面为客户提供体验升级，推进资源上量。 •定期与现有和潜在客户联系，及时了解客户的业务规划和预算、供应商情况、组织架构、技术环境等关键信息。 •识别客户决策链，维护好关键决策点客户的客情关系，并与客户CXO或CXO-D建立长期的业务和技术关系，在合作中获得关键性支持。 2、产品和技术价值传递 •基于对客户行业和业务背景的了解，帮助客户理解飞天云计算操作系统、七大件、AI/智算等阿里云产品的技术价值，以及相对竞企的差异化竞争优势，传递阿里云作为客户最佳合作伙伴的定位。 •独立面向客户讲解阿里云标准的产品解决方案；或在SA支持下，独立向客户讲解匹配客户业务场景的解决方案，清晰的传递阿里云产品解决方案的竞争力以及能够为客户创造的业务价值。 3、推动决策和商机转化 •通过有效的资源整合和运作，推动客户快速决策，采用和持续使用阿里云产品和技术解决方案，持续为客户创造价值。 •通过沟通影响、商务报价等一系列销售策略的运用，转化商机，达成业绩，实现与客户的双赢。 • 将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。 4、业务支持 •做好客户全生命周期的业务支持，整合各方资源确保项目落地，及时发现并解决产品使用问题。 •推动阿里云产品在客户侧快速迭代，支撑客户技术目标达成。
1. Long-Horizon Agent 核心架构：设计并落地面向金融场景的长程智能体系统，涵盖多步推理（CoT/ToT）、计划-执行-验证-重规划循环、跨会话状态持久化与经验累积，使智能体能够自主完成数小时乃至数天跨度的复杂金融业务任务。 2. Agent 运行时与编排引擎：构建 Agent Harness 层——支持 Agent Loop（ReAct/Reflection 循环）与 Graph-Native 有状态图编排（Nodes/Edges/Cycles、条件路由）两种范式，内置持久化层实现断点恢复、Human-on-the-loop 审批与轨迹回溯；设计 Agent 沙箱与隔离执行环境；支撑生产级多智能体协作与大规模并发弹性伸缩。 3. 上下文工程与记忆系统：设计工作上下文管理（压缩、摘要、窗口调度）与持久化记忆架构（向量检索、结构化经验存储），解决 "Lost in the Middle" 退化和跨 Session 状态断裂问题，保障长程任务执行质量。 4. 工具生态与 MCP 协议集成：设计 Tool-Use 框架与 Model Context Protocol 接入层，实现金融领域工具（行情、研报、合规检查、交易执行等）的标准化注册、动态发现与安全调用；定义清晰的 SDK/API 接口供客户侧二次开发与生态扩展。 5. Agent 评测与可观测：构建 Agent 评测体系——覆盖规划能力、工具调用可靠性、多轮交互一致性、长程记忆连续性等核心维度；建设 Agent 全链路 Tracing 与运行时可观测平台，支撑快速定位和修复 Agent 行为异常。 6. 新一代知识库（知识编译）：设计以 LLM 为编译器的智能知识库架构——摄入即整合，替代传统 RAG 的"查询时拼凑"模式，实现知识复利与持续增量更新，服务金融研报、合规文件等高密度知识场景。 7. 训推一体与模型服务：参与金融领域模型的微调、评测与推理服务建设，关注 Agentic RL 在金融任务上的应用，推动模型能力内化。 8. 金融级稳定性与合规：负责金融级 SLA 保障体系建设（容灾、降级、灰度、熔断），满足金融客户对高可用、数据安全与监管合规的严格要求。
负责搭建并管理面向多模态视频领域大模型的全链路数据体系，包括数据评测、加工、合成与标注。作为模型算法团队与数据采集团队的核心桥梁，确保高质量、多样化数据供给。主要工作包括以下： 1. 评测体系构建：主导多模态视频领域大模型的评测标准制定，建立涵盖理解、生成、对齐、安全四大维度的评估框架，设计人工评测与自动评测相结合的混合评估方案，搭建评测数据集、生产管线，建立与SOTA模型（GPT-4V、Claude、Gemini等）的对比评测机制，输出专业评测报告。 2. 数据链路架构：构建大规模多模态训练数据的全生命周期处理链路：采集→清洗→去重→质量筛选→格式标准化→安全过滤，搭建数据质量监控体系，建立数据价值评估模型，确保高信息密度数据的持续供给； 3. 标注规范与质量体系：制定细粒度多模态标注规范：图像详细描述、视频时序标注、跨模态对齐、复杂推理链标注等；建立分层质检机制：机器预检→人工抽检→专家终审，确保标注的质量；设计标注人员培训体系与能力认证标准，搭建领域专家标注团队。
负责搭建并管理面向音乐领域大模型的全链路数据体系，包括数据评测、加工、合成与标注。作为模型算法团队与数据采集团队的核心桥梁，确保高质量、多样化数据供给。主要工作包括以下： 1. 评测体系构建：主导音乐领域大模型的评测标准制定，建立涵盖理解、生成、对齐、安全四大维度的评估框架，设计人工评测与自动评测相结合的混合评估方案，搭建评测数据集、生产管线，建立与SOTA模型（GPT-4V、Claude、Gemini等）的对比评测机制，输出专业评测报告。 2. 数据链路架构：构建大规模多模态训练数据的全生命周期处理链路：采集→清洗→去重→质量筛选→格式标准化→安全过滤，搭建数据质量监控体系，建立数据价值评估模型，确保高信息密度数据的持续供给； 3. 标注规范与质量体系：制定细粒度多模态标注规范：图像详细描述、视频时序标注、跨模态对齐、复杂推理链标注等；建立分层质检机制：机器预检→人工抽检→专家终审，确保标注的质量；设计标注人员培训体系与能力认证标准，搭建领域专家标注团队。
负责搭建并管理面向LLM领域大模型的全链路数据体系，包括数据评测、加工、合成与标注。作为模型算法团队与数据采集团队的核心桥梁，确保高质量、多样化数据供给。主要工作包括以下： 1. 评测体系构建：主导LLM领域大模型的评测标准制定，建立涵盖理解、生成、对齐、安全四大维度的评估框架，设计人工评测与自动评测相结合的混合评估方案，搭建评测数据集、生产管线，建立与SOTA模型（GPT-4V、Claude、Gemini等）的对比评测机制，输出专业评测报告。 2. 数据链路架构：构建大规模文本训练数据的全生命周期处理链路：采集→清洗→去重→质量筛选→格式标准化→安全过滤，搭建数据质量监控体系，建立数据价值评估模型，确保高信息密度数据的持续供给； 3. 标注规范与质量体系：制定细粒度多模态标注规范：图像详细描述、视频时序标注、跨模态对齐、复杂推理链标注等；建立分层质检机制：机器预检→人工抽检→专家终审，确保标注的质量；设计标注人员培训体系与能力认证标准，搭建领域专家标注团队。
负责搭建并管理面向VL领域大模型的全链路数据体系，包括数据评测、加工、合成与标注。作为模型算法团队与数据采集团队的核心桥梁，确保高质量、多样化数据供给。主要工作包括以下： 1. 评测体系构建：主导VL领域大模型的评测标准制定，建立涵盖理解、生成、对齐、安全四大维度的评估框架，设计人工评测与自动评测相结合的混合评估方案，搭建评测数据集、生产管线，建立与SOTA模型（GPT-4V、Claude、Gemini等）的对比评测机制，输出专业评测报告。 2. 数据链路架构：构建大规模多模态训练数据的全生命周期处理链路：采集→清洗→去重→质量筛选→格式标准化→安全过滤，搭建数据质量监控体系，建立数据价值评估模型，确保高信息密度数据的持续供给； 3. 标注规范与质量体系：制定细粒度多模态标注规范：图像详细描述、视频时序标注、跨模态对齐、复杂推理链标注等；建立分层质检机制：机器预检→人工抽检→专家终审，确保标注的质量；设计标注人员培训体系与能力认证标准，搭建领域专家标注团队。
负责搭建并管理面向多模态视频领域大模型的全链路数据体系，包括数据策略、评测、加工、合成。作为模型算法团队与数据采集团队的核心桥梁，确保高质量、多样化数据供给。主要工作包括以下： 1. 数据策略、标注规范与质量体系：参与制定视频生成和视频理解模型所需要的标注落地细则，涵盖镜头运动、光影、主体动作拓扑及物理规律；负责指导和制定标注规范和标准，培训供应商进行高难度的“时间轴-文本”精准对齐，确保视频画面演进与描述文本在帧率级不发生错位；制定并严格执行视频前置质量标准，对产线上的视频清洁度负绝对责任；视频资产打标调度：带领落地团队对千万级PGC/UGC视频切片进行多维标签分类（如动作类、自然风景类、特效类、长尾Bug类），确保训练集数据分布的多样性。 2. 数据链路架构：构建大规模多模态训练数据的全生命周期处理链路：采集→清洗→去重→质量筛选→格式标准化→安全过滤，搭建数据质量监控体系，建立数据价值评估模型，确保高信息密度数据的持续供给； 3. 评测体系：多模态视频领域大模型的评测标准制定，建立涵盖理解、生成、对齐、安全四大维度的评估框架。
聚焦推理引擎底层与集群稳定性，通过深度分析、压测注入、可观测数据挖掘，主动发现性能瓶颈与隐患，协同研发团队闭环解决，系统性提升推理SLA与资源效能 1. 引擎底层问题挖掘与根因分析 深入vLLM、SGLang、TensorRT-LLM等推理引擎源码，通过Profile、Trace、日志分析等手段，主动识别算子调度、显存分配、KV Cache管理、通信同步等底层性能缺陷与逻辑异常。 对线上偶发超时、吞吐抖动、显存泄漏等问题进行深度根因定位，输出清晰的问题复现路径与修复建议。 2. 推理集群稳定性治理 构建混沌工程与故障注入体系，系统性验证服务在节点故障、网络分区、负载突增等场景下的容灾与自愈能力，提前暴露架构脆弱点。 主导线上故障应急排查与复盘，推动建立稳定性防护网（限流、降级、重试风暴防护等）。 3. 可观测性与效能分析体系建设 参与全链路可观测性平台（Metrics/Tracing/Logging）的建设，如提炼TTFT、TPOT、并发上限、GPU利用率等关键效能与稳定性指标，建立异常检测与智能告警规则等 通过数据分析发现容量冗余、调度不均衡、资源碎片等成本效能问题，推动调度策略优化。 4. 性能瓶颈攻坚与协同优化 主导端到端压测与长稳测试，定位并发增长下的性能拐点，联合研发制定优化方案（如PD分离、Prefix Caching、Speculative Decoding工程化适配）。 作为效能问题的技术人员，推动研发团队优先级排期与问题闭环，跟踪优化效果并量化收益。
1.根据世界观，创作角色概念原画、设定文档和创意板。 2.设计符合项目品质的角色与怪物BOSS概念造型、服装、动态特效等（人物角色与怪物boss或擅长其一）。 3.跨部门协作推进设计落地，管理外包资源，确保概念到引擎实现效果统一。 4.创新角色细节与情绪表，把控风格与叙事性，提升游戏沉浸感。
1、负责大模型内容安全防控体系的架构设计与落地，覆盖模型训练、服务上线到内容生成与传播的全链路风险管控。聚焦安全后训练技术路线，通过SFT、RLHF等对齐方法改进安全模型在内容安全场景下的效果，包括大规模数据合成、训练策略优化、自适应推理及可扩展知识注入等； 2、主导大模型安全后训练全链路研发与优化，包括：安全对齐训练数据的设计、合成与质量评估；奖励模型的构建与迭代；SFT/PPO/DPO/GRPO等后训练策略的设计与调优；安全对齐评测体系搭建。通过系统化后训练Pipeline，持续提升模型在风险内容识别、越狱攻击防御、有害意图判别、多轮对话安全等场景的对齐与泛化能力； 3、构建基于大模型能力的自动化风险挖掘与红队测试体系。利用LLM/VLM自动生成对抗样本、合成长尾风险场景，通过自我博弈与持续进化主动发现线上安全盲区与新型攻击模式，实现从“被动拦截”到“主动治理”的转变。搭建分钟/小时级闭环的自动迭代机制，覆盖新增风险的快速响应与模型热更新； 4、建立高危风险内容的快速识别与拦截机制，针对突发舆情或新型攻击，小时级完成策略迭代与模型热更新，确保业务零重大安全事故。保障大语言模型产品、多模态AI应用、搜索推荐等核心业务的内容安全与应用安全； 5、跟踪NeurIPS、ICML、ICLR、CVPR、ACL等顶会在大模型安全对齐、后训练、红队测试等方向的最新进展，持续迭代算法策略，保持技术领先。在团队中发挥技术领军作用，指导核心研发，推动跨团队协作与技术标准化。
