共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
1. 媒体处理核心系统架构与研发 ● 主导视频转码、截图、Meta 、媒体工作流、切片打包等核心媒体处理能力的架构设计与持续优化，保障高并发、高可用、低成本。 ● 负责转码增强方向（超分辨率、窄带高清、画质修复、音频增强等）的技术探索与工程落地，结合 AI 提升媒体处理效果与效率。 ● 设计并优化大规模媒体处理任务调度、状态流转、数据一致性与资源利用率，支撑日均千万级媒体处理任务。 ● 负责媒体处理服务的稳定性建设，包括 API 5XX 治理、可观测性、容灾降级、自动化运维与灾难恢复预案，系统可用性目标 99.9% 以上。 2. AI 原生应用落地（Agent & RAG） ● 深入媒体处理业务场景，利用 Agent 技术拆解复杂业务需求，设计包含记忆管理、推理策略、工具调用的智能系统，实现媒体生产与运维的自动化闭环。 ● 搭建基于 RAG 的视频与媒体处理领域知识库，优化向量检索、召回质量及上下文注入策略，为大模型提供精准的编解码参数、业务规则等知识支撑，有效抑制模型幻觉。 ● 负责意图识别、步骤规划、反思纠错等 Agent 关键模块的工程化落地；封装标准化 SDK/API，构建 Agent 观测体系，实现全链路追踪与多维效果归因。 ● 探索大模型在智能运维、自动化问题定位、智能文档生成、智能转码参数推荐等场景的落地。 3. 技术融合与效能提升 ● 将传统媒体处理技术与大模型能力结合，探索基于自然语言指令的视频编辑、智能摘要、自动化质检、智能封面、内容审核等创新功能。 ● 作为 AI 编程工具重度用户（如 Qoder、Cursor、通义灵码），通过高阶 Prompt Engineering 和自动化代码生成提升研发效率；建立自动化评测与回测机制，推动 AI 能力从单点验证走向规模化落地。 4. 前沿技术探索与团队影响 ● 跟踪业界在多模态大模型、智能媒体生产、分布式计算、云原生方向的最新进展，将其转化为可落地的技术方案。 ● 每季度输出至少 1 篇高质量技术沉淀（架构设计文档、专利或技术博客），持续提升产品行业影响力。
1、与算法团队对接，协助多模态理解大模型训练数据的评测体系设计，参与评测数据集构建及后续摸底报告产出，将算法团队的图文交织、高精度OCR、精细化图像描述等研究需求，转化为具体的评测任务 2、负责大模型训练及评测所需的数据标注任务全流程管理，包括需求拆解、规范制定、任务分发、进度监控及质量验收。 3、管理评测标注团队（专家社区&供应商等），制定培训计划与绩效考核方案，并负责项目结算。
1.技术战略与路线决策 (Technical Strategy & Roadmap) 定义 Agentic AI 业务的整体技术演进路线，对技术选型的前瞻性与落地性同时负责。 主导核心技术路线的战略级取舍，避免因归因错误导致的规模化资源浪费。 与业务及产品负责人共同定义技术目标与节奏，确保投入与业务北极星指标强对齐。 2.Agent 质量体系与评测飞轮 (Quality System & Eval Flywheel) 对线上 Agent 的端到端质量直接负责。建立系统级的 Agent 标准，让"好不好"成为可度量、可归因、可迭代的工程问题。 构建从数据清洗、Bad Case 挖掘、评测执行到修复上线的自动化闭环飞轮，持续压缩问题发现到修复的周期。 解决离线评测与线上体验的错位问题，建立离线 Eval、在线指标与人工抽检三者互相校准的质量体系。 3.平台化与基础设施 (Platform & AgentOps) 统筹 Agent Infra & Platform 建设，包括 Agent 框架、Eval 平台、Sandbox、可观测性 (Observability) 以及统一的工具调用 (Tool-use) 能力。 主导 Context Engine 的架构演进：RAG、Memory、上下文组织与数据供给，确保 Agent 在真实业务数据上的准确性与新鲜度。 对平台建设保持克制与判断力，清楚区分"应该沉淀为平台的共性能力"与"应该留在业务侧快速迭代的能力"，以平台采用率而非平台数量作为衡量标准。 4.工程效率与成本经营 (Engineering Efficiency & FinOps) 对单位任务成本、推理效率与资源利用率负责，将成本能力建设为业务的结构性优势而非事后补救。 主导 Agent Ops、FinOps 与资源调度体系建设，把成本账算到可归因的粒度，支撑技术决策与商业化定价。 持续投入研发效率工具与工程基建，让团队的产出效率随规模增长而不是被规模稀释。 5.应用交付与端到端体验 (Applied AI & Delivery) 统筹 Applied AI 与产品功能的交付，对从模型能力到用户手中体验的完整链路负责。 在不确定性极高的底层模型之上，交付具备生产力级别稳定性的用户体验：定义 Agent 的自主权边界、错误恢复机制与人机协作范式的工程实现。 建立跨方向的联合作战机制，避免 Infra、Applied AI、Context 各自为战，确保同一个质量问题有统一的归因和裁决路径。 6.组织建设与人才培养 (Org Building & Leadership) 带领团队下多个技术方向，搭建下一层组织人才，定义技术标准与人才梯队。 打造兼具工程师文化与良好 AI 技术直觉的复合型团队，让工程与算法能够在同一套语言体系下决策。 在高速迭代、充满不确定性的 AI 浪潮中保持团队的战略定力，建立容错、鼓励验证、以结果为准的技术文化
1. Agent Harness与长时任务 负责生产级 Agent Harness 核心算法与系统研发，包括上下文工程、工具调用、任务编排、状态持久化、权限控制、异常恢复和轨迹回放。 构建面向长时任务的分层记忆系统，包括工作记忆、情景记忆、语义记忆、经验记忆及长期 Artifact 管理。 重点突破 Long-horizon Planning 中的目标漂移、错误累积、上下文膨胀和决策不稳定问题。 2. Agent RL与后训练 负责 Agent RL 训练和策略优化，提升 Agent 在复杂工具调用、代码生成、多步推理及多模态创作任务中的成功率与鲁棒性。 构建长轨迹任务环境与 Benchmark，建立从任务生成、轨迹采集、结果验证到策略训练的完整闭环。 开展 SFT、Reward Modeling、DPO、PPO、GRPO等训练工作，结合成功与失败轨迹实现持续策略改进。 3. 多模态创作和World Model 创作链路 搭建高可用的多模态智能创作链路，实现从创意理解、文本脚本、分镜规划到图像、视频、语音和交互式世界生成的完整闭环。 结合世界模型开展 Agent 决策应用，利用世界模型进行多步前瞻、动作仿真，在执行前评估不同动作序列的潜在结果。 推动世界模型在 AI 视频、互动内容、数字人、3D场景和可交互虚拟环境中的产品化落地。 4. 前沿技术预研 跟踪 Agent RL、World Models、多模态生成和交互式智能体等方向的最新进展。 快速复现和评估学术界及开源社区的前沿方法，推动有效方案在工业场景中的落地。 输出有影响力的学术或开源工作
1. 主导多模态理解大模型评测体系设计，从真实用户场景出发定义核心能力维度，将体验痛点转化为可量化的评测指标。 2. 设计覆盖信息检索、内容理解、文档分析、视频摘要、富媒体问答等高频场景的评测任务，推动评测从"学术任务"向"产品体验"演进。 3. 持续挖掘真实使用中的 Bad Case，做系统性分类与归因，形成问题清单与改进优先级。 4. 建立评测数据质量管控与版本管理机制，定期更新评测集以覆盖新场景与新模态组合。 5. 与产品、算法团队紧密协作，在新模型上线前完成评测，提供数据驱动的优先级建议。
1、从事RISC-V CPU 编译器的研发工作，包括编译器架构设计、优化遍开发、应用程序性能分析调优等工作。 2、从事RISC-V CPU的ISA、硬件微架构的软硬件协同设计和优化工作，给每款处理器提供高效的编译后端，同时通过Benchmark和应用负载特征优化CPU的ISA及微架构设计。 3、参与编译领域前沿技术、开源社区的跟踪，并负责编译器领域关键社区的代码维护工作。 4、参与RISC-V 国际基金会的技术跟踪和讨论，推进RISC-V 扩展指令集的优化演进。
团队负责阿里巴巴多模态基础模型的数据体系建设，支撑行业领先的视频生成模型训练，处理百亿级图像、视频及图文数据。 本岗位聚焦复杂多模态数据管线建设，持续提升大规模数据处理的吞吐、正确性与数据质量，为 Pretrain、SFT、RL 提供高效、可靠的数据供给。 职位描述 1. 设计和建设百亿级多模态数据处理管线，覆盖数据清洗、解码、转换、过滤、标注及训练加载等环节。 2. 深入分析 CPU、内存、网络、存储、编解码及任务调度瓶颈，提升端到端吞吐、资源利用率和系统稳定性。 3. 建设数据校验与质量评估体系，保障数据完整、一致、可追溯，持续提升数据的准确性、多样性和有效性。 4. 基于 Ray、FFmpeg、PyTorch、vLLM 等技术建设高性能数据处理与模型推理组件，优化任务切分、批量推理、资源调度、数据传输及容错恢复。 5. 面向 Pretrain、SFT、RL 等训练阶段，协同设计数据格式、分片策略、存储布局和读取链路，提升训练数据供给效率。 6. 建立数据管线可观测体系，持续监控吞吐、延迟、资源利用率、失败率及数据质量，并分析数据特征与模型效果的关联。 7. 与算法、训练框架及基础设施团队协作，完成复杂数据链路的架构设计、性能优化和规模化落地。
岗位定位 高德地图家装行业（家居、家具、家电类目）资深专家，通过LBS+AI能力帮助品牌商家实现本地化营销增长，对辖区收入目标负责。 核心职责 1. 负责辖区内家居/家具/家电品牌客户的日常运营，包括年费续签、效果广告消耗、品牌广告拓展 2. 推动新签客户入驻，从0到1搭建品牌在高德地图的营销阵地 3. 为商家提供本地生活营销方案，打通"搜索曝光-导航到店-AI咨询-团购留资-到店核销"全链路 4. 配合营销节点（315家装节、618、双11等）策划品牌营销活动
1.负责 UC 信息流核心推荐算法，包括召回、排序、用户画像、推荐策略及生成式推荐创新；对信息流 DAU、留存、时长、分发效率等核心指标负责。 2.制定并落地 UC 信息流推荐技术路线图，深入迭代生成式召回、HSTU 精排、LLM 画像、跨场景建模等方向。 3. 应用机器学习/深度学习技术（如DNN、Graph Neural Networks、多任务学习、序列建模、生成式推荐等）改善用户体验。
1. 负责音视频 Caption 中音频内容的评测体系建设，覆盖语音、环境声、声音事件、音乐、复杂声景及声画关系。 2. 主导评测数据集建设，包括任务定义、场景设计、样本采集、标注规范、质量控制和难例补充。 3. 建立 Caption 评测标准，重点评估内容正确性、信息完整性、描述粒度、时间与声源定位、声画一致性，以及幻觉、遗漏和错误归因等问题。 4. 设计人工评测与自动评测相结合的方案，建设自动化评测链路，并持续验证自动评分与人工判断的一致性。 5. 开展模型对比、版本回归和典型案例分析，识别模型能力边界，输出清晰、专业、可执行的评测报告。 6. 与模型研发、数据和产品团队协作，将评测结论转化为数据补强、模型训练及产品体验优化建议。
搜索正迈向大模型驱动、多模态融合、自主任务执行的新范式。团队专注LLM/VLM与经典搜索内核、分布式引擎的深度融合，打造面向C端海量用户与B端政企客户的下一代智能搜索及对话式Agent产品。 1. AI Search与Agent核心架构及算法：制定AI Search与企业Agent中长期技术战略。主导传统搜索向AI原生架构的融合重构，全链路设计Query理解、多模态召回、精排、生成式答案与Agent编排。推进长文本/多模态检索与RAG体系优化，突破意图拆解、长上下文管理、工具调用与多步规划，建立知识连接器与安全护栏。 2. 底层引擎攻坚与AI系统基建：攻坚底层存储与分布式检索引擎，优化内核、索引结构与向量存储。通过存算分离、冷热分层、集群调度等手段，系统性解决延迟、成本与高并发稳定性问题。打通数据治理、向量嵌入、模型实验到灰度发布的标准化闭环，保障高吞吐与低成本。 3. 数据飞轮、模型训练与评测体系：构建“数据飞轮—场景微调（SFT/DPO）—自动化评测”的闭环体系，以检索导向的奖励信号与数据生态从源头强化事实忠实度，依托高置信度评测基线与动态消融实验，精准归因并系统性压制幻觉，保障企业级交付效果可靠性。 4. 商业化落地与政企交付闭环（聚焦业务结果与ToB交付）：联动产研销团队，主导政企客户AI搜索与Agent方案落地。负责客户知识库结构化接入、向量化治理与记忆体系搭建，结合模型适配微调，推进工程化交付与评测，拿下KA客户。并沉淀行业解决方案与微调范式，实现标准化、规模化复制。 5. 团队管理、跨部门协同与技术影响力（聚焦组织发展与行业发声）：管理跨方向技术团队，打造以存储工程为核心、模型定制与算法协同为延伸的复合型技术团队。
具体职责包括： 1. 模型服务架构：负责 AIGC 模型服务框架的设计与研发，建设统一的模型接入协议、Stage 编排、Engine 管理和 Runtime 能力，支持图像、视频生成等模型快速接入，降低能力形态与硬件组合增长带来的交付复杂度。 2. 分布式推理与性能优化：围绕 DiT 等计算密集型模型，参与并行方案设计，分析计算、通信、显存和 Pipeline Bubble 等核心瓶颈；结合 Profiling、通信计算重叠、Batching、CUDA Graph、算子融合等手段，持续优化任务时延、吞吐、显存占用、GPU 利用率和单位推理成本。 3. 调度与资源效率：面向分辨率、视频时长、采样步数等差异化请求，建设请求调度队列、批处理、QoS、流量路由和弹性伸缩能力；探索 Cohort Scheduling、动态 Pipeline、异构资源池调度等方案，在保障服务质量的前提下提升闲置资源和低成本资源的使用效率。 4. 下一代推理架构：参与 NVLink/NVSwitch等高速互联环境下的 Supernode-Native Serving 探索，建设拓扑感知的进程组管理、角色编排、进程生命周期和请求调度能力，推动新硬件、新并行方案在更大并行域下继续scale的平台能力。
岗位描述：面向"电脑操作智能体"（自主操作 GUI、浏览器、桌面 / 移动端软件完成任务的大模型 Agent），独立负责其能力提升的完整闭环。 岗位职责 1. 设计 CUA 评测任务与轨迹级评分体系（GUI grounding、任务规划、多步操作、长程任务成功率等），定位模型失败模式（误点击、幻觉操作、状态误判、循环卡死等）。对标并扩展业界 benchmark：OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro等，并维护内部私有测试集防污染。 2. 针对短板设计操作轨迹合成、环境（沙箱 OS / 浏览器 / 移动端 / 专业软件）合成、拒绝采样等方案，产出高质量训练数据。 3. 主导 SFT / RL 训练消化数据，用评测复测验证短板是否被优化，推动闭环持续迭代。
1、安全评测运营管理：维护评测集的分类体系与质量校验，持续补充高风险场景与新型攻击样本，负责日常评测、上线前评测、竞品对比等不同场景下的评测执行与结果复核，保障评测数据的完整性与可追溯性； 2、评测报告输出：整合评测数据并进行结构化呈现，面向管理层与协作团队输出安全评测报告，清晰呈现安全水位、竞品对比、风险趋势及重点问题，形成周期性沉淀机制； 3、归因分析与问题闭环：结合模型输入输出链路、审核策略与训练数据特征，对 badcase 进行归因分析，并推动相关团队优化修复并跟进闭环； 4、安全策略共建与迭代：基于评测发现和线上 badcase 积累，参与安全审核策略的制定与迭代；将归因分析结论转化为评测集补充、策略规则优化或模型训练数据建议； 5、前沿动态跟踪：关注业界安全事件、新型攻击手法和监管政策变化，及时将外部风险信息转化为内部评测场景和策略调整建议。
1、负责大模型内容安全审核与安全评测平台建设，包括审核平台、自动化评测平台、风险挖掘平台等能力设计与迭代； 2、深入理解大模型业务场景（聊天、创作、生图、生视频、Agent等），结合安全策略与业务需求，设计安全治理与评测产品方案； 3、推动AI Native工作流建设，结合 Agent、AI Coding等工具，设计并落地多Agent协同与自动化Workflow，推动平台模块化与可扩展能力建设，持续提升安全审核与评测效率、风险发现能力及平台自动化水平； 4、联动研发等其他团队，推进安全能力工程化与平台化落地； 5、持续跟进大模型技术在内容安全领域的应用趋势，结合业务实际场景迭代系统、Agent。
1、负责公司业务渠道拓展，挖掘新的合作客户，拓展多元化商务合作模式，完成公司既定的商务拓展及业绩目标； 2、主动调研行业市场动态、竞品商业模式及客户需求，收集市场信息、行业政策、合作商机，输出市场调研分析报告，为公司业务发展、合作策略调整提供有效依据； 3、对接合作方、客户的商务洽谈、合作方案制定、合同谈判及签约落地工作，跟进合作全流程，保障合作顺利推进，维护良好的商务合作关系。深度维护存量客户及合作渠道，定期开展客情回访，挖掘客户二次合作、增值合作机会与合作产值； 4、负责业务日常运营数据的统计、整理与监控，涵盖渠道数据、业绩数据、客户数据、转化数据等，建立常态化数据台账并定期开展运营数据分析，拆解业务转化链路，精准定位业务增长亮点、短板及运营问题，输出双周运营数据分析报告； 5、统筹业务运营全流程，协同内部产品、研发等团队，落地运营优化动作，解决业务推进过程中的各类运营问题，提升整体业务运营效率。同时基于数据分析结果，拉通多部门配合，针对性优化商务运营策略，提出可落地的业务优化方案并跟进执行，驱动业务业绩增长。定期复盘商务拓展、合作运营项目效果，总结成功经验与失败问题，迭代优化商务合作模式与运营体系。
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； 4、结合区域酒店情况做好售卡目标的规划和执行，以此提升酒店间夜产出。
1. 负责端内用户全生命周期的活跃运营，从拉新、促活、留存到召回，设计并落地精细化运营策略，系统性提升用户粘性与长期价值； 2. 围绕 Chat 产品核心场景，结合大模型能力迭代，持续优化交互路径与内容推荐机制，驱动用户行为规模（如对话频次、会话深度、功能使用率）稳步增长； 3. 协同算法、产品、数据团队，推动策略在 AI 对话场景中的落地应用，提升用户发现效率与使用黏性； 4. 建立用户活跃度监测体系与指标看板，定期输出洞察报告，为产品决策提供数据支撑。
1.深度挖掘AI产品的应用场景（如：办公、学习、创作等），并将其转化为易传播的内容运营产品和方案。 2.负责AI产品的日常用户运营，策划并执行拉新、促活、留存方案，通过活动提高用户对话频次和使用深度。 3.搭建并维护核心用户画像体系，结合用户人群形成有效运营策略和方案。 4.热点营销与内容运营：紧跟国内外AI行业热点（如GPT新功能, 社交媒体上的AI梗），结合产品功能快速输出热点内容或营销方案，实现破圈传播。
1、负责千问办公/学习场景的AI产品功能与场景策略的探索和落地，围绕用户核心需求定义场景解决方案，完成产品方案落地 2、聚焦大模型场景应用创新，规划 AI Agent 产品发展路线，跟踪行业动态洞察技术发展趋势，输出前瞻性的产品解决方案 3、结合用户数据设计产品机制与算法策略，制定可持续迭代的数据评估体系，协同上下游团队提升用户转化效率与产品体验上限。
1.负责夸克浏览器业务的产品规划与迭代，围绕用户消费主链路持续打磨，提升用户规模、活跃度与使用时长。 2.深入理解浏览器用户诉求与行为路径，从用户价值场景出发设计产品功能与体验优化，提升用户满意度与留存。 3.探索 AI 原生产品范式：定义并落地对话式搜索、页面智能、AI 助手、浏览器 Agent 等新形态体验，把大模型能力转化为用户可感知、离不开的价值。 4.建立用户分层与生命周期运营机制，通过数据洞察定位体验与转化瓶颈；结合大模型能力推动消费体验从「千人千面」到「千人千答」的升级。 5.建立 AI 产品的新迭代闭环：以场景定义、评测集构建、badcase 分析为核心抓手，与算法共同打磨模型在真实场景中的表现，做 AI 能力的「场景定义者」和「体验守门人」。 6.与内容、算法、运营、研发等团队紧密协作，保障产品方案高质量落地。
1.场景化问答策略，定义场景识别逻辑和对应的策略切换规则。 2.问答质量策略，持续优化问答质量的评估体系，以及与算法团队持续优化机制。 3.问答策略与体验设计，定义医生的提问方式和AI回复策略。 4.指标体系与数据驱动，定义问答主链路的核心指标，通过数据驱动制导迭代。
1.负责 MaaS（Model as a Service）推理平台及大模型应用系统的架构设计与建设，打造面向大规模模型服务场景的高性能、低延迟、高吞吐推理基础设施，支撑稳定可靠的 AI 服务运行。 2.负责推理服务核心能力建设，包括请求调度、批处理优化、上下文管理等关键模块的设计与实现，持续提升推理系统的性能、稳定性和资源利用效率。 3.负责大规模模型服务平台建设，包括模型部署、服务治理、流量调度、容量管理、弹性伸缩等核心能力，支撑海量模型的全生命周期管理与稳定运行。 4.推动平台 DevInfra 能力建设，完善 CI/CD、灰度发布、可观测性、异常诊断及系统治理等基础设施，持续优化平台架构与工程实践，不断提升系统在性能、稳定性、可扩展性及成本效率等方面的能力，推动 AI 基础设施持续演进。
1、根据平台经营目标及广告产品特性，负责外部流量的资源拓展及运营等工作，尤其SDK变现方向； 2、持续挖掘流量侧业务特性与流量价值，关注业务节奏并持续优化运营手段，拿到业务结果； 3、监控、分析广告投放的效果分析，围绕数据分析持续优化调整广告投放方案；对投放数据和日常数据进行监控和分析，通过流量策略方式提升营收和ROI； 4、负责建立与各类媒体商务合作关系，针对性挖掘各类资源潜力，通过各种流量合作为平台带来精准的目标用户。
1. 基于公司战略需要，与集团算法团队密切合作，理解算法需求，对LLM模型训练所需的数据样本集进行标注管理、行业调研、安全合规保障等，与上游产品技术通力合作，提供满足算法研发需求的数据，共同推进业务目标达成； 2. 负责高质量的数据标注，结合算法知识优化标注流程，推进使用算法技术（如数据增强、自动化标注等）提升数据标注的质量 3. 设计和实现大语言模型方向AI训练流程，并不断优化迭代，带领团队高效完成标注和内容生产项目，推动标注工具的智能化升级优化，协助产品与开发团队将更智能的标注产品落地 4. 构建并维护一套完善的AI内容质量管理体系，全面把控内容质量并对结果负责，并不断进行优化迭代； 5. 负责管理标注团队，积极推动组织流程及交付流程优化，对接数据标注供应商。负责组织培训、试标、通过持续培训和反馈提升供应商标注质量与效率
1. 主导多模态理解大模型训练数据的标注体系设计，对接多模态算法团队，将算法团队的图文交织、高精度OCR、精细化图像描述等研究需求，转化为可执行、无歧义、可规模化的标注规范与执行流程。 2. 管理并培训视觉标注团队/供应商，拆解图文对齐任务，优化复杂的“多层级标注”的生产效率。 3. 建立严格的图像质量过滤标准（模糊、过度曝光、低俗涉黄、隐私违规等），确保进入训练集的图片在执行层做到100%合规与高清。 4. 承接评测团队和线上反馈的BadCase，针对多模态模型常见的视觉幻觉，设计针对性的反幻觉标注模版，并沉淀高质的“真/伪”对比范例。
1. 面向端到端原生多模态大模型（如流式语音通话），制定关于音频特征、情绪语气、环境背景音、实时插话（Interruption）和语气词（如喘气、叹气、笑声）的复合标注标准。 2. 参与生产高质量的音视频文本三维交织样本。不仅标注“说了什么”，更要精准标注“什么时间点说、用什么情绪说、背景有什么声音”。 3. 负责对供应商交付的音频分段、音乐流派标签、节奏打点、人声分离数据的合格率进行硬核把控，通过盲听与多轮复审杜绝错标。 4. 参与产品团队在执行层不断试验、重组标注工具的UI界面与交互逻辑，降低标注员的听觉疲劳，提升人效。
1. 用户治理体验体系搭建：运用NPS、CCR、BHT等指标构建消费者体验衡量体系，能够基于此进行体验驱动，协同各域提升体验指标 2. 治理体系搭建：结合业务特色，搭建商家、商品、渠道商等治理体系，降低用户CPO，监管投诉及舆情 3. 数据驱动监控与洞察：搭建用户体验监控看板与告警机制，定义口径与指标，定期产出TOP问题榜与月度体验洞察报告，支持专项立项优先级判断； 4. 项目统筹与资源整合：针对TOP高频问题发起立项，组织产研/运营/客服/风控等跨部门攻关，推动灰度验证与落地，完成效果验证与固化
1. 负责千问对话效果优化，围绕复杂问题分析、知识理解、辅助决策等场景，提升回答的准确性、分析深度和实用性，对回复效果与用户体验负责。 2. 基于数据驱动与用户洞察，定义关键指标（如DAU、留存、使用深度等），通过产品创新和策略优化，推动用户规模实现增长。 3. 协同算法、工程团队，通过Prompt优化、对话策略设计和模型能力迭代改善回答效果，平衡思考深度、响应耗时与阅读体验。 4. 深入分析真实对话与用户反馈，建设对话场景评测集，结合人工和自动化评测、线上数据和A/B实验，验证需求和分析数据，通过数据飞轮持续推动产品迭代。 5. 持续体验和研究国内外AI对话产品，理解推理模型的能力与边界，将前沿的AI能力转化为可落地的产品改进。
关于我们： MOS 实验室隶属于阿里 ATH 千问事业群。我们致力于在大模型时代打造具有全球影响力的 AI 原生产品，推动 AI 从“被动对话”向“主动服务与复杂执行”的范式跃迁。 实验室核心业务涵盖 AI 搜索、生成式推荐、主动服务及任务助理 Agent 等前沿领域。依托千问大模型底座，我们深度探索 RAG、Agentic RL、多 Agent 协作及全链路工程自动化技术，旨在构建能够深度理解用户、自主规划路径并闭环交付任务的“最强 AI 助手”。 岗位职责：深耕全链路 AI 搜索与 Agent 技术 1. AI 搜索核心技术研发： 负责 AI 搜索场景下的核心算法研发，包括但不限于索引构建与收录、向量召回、 LLM 相关性模型以及生成式检索与排序的构建与优化。 2. 垂直领域 RAG 落地： 利用大模型技术（LLM）实现行业深度搜索，攻克垂直领域下的语义对齐、知识抽取及结构化数据检索等核心难题。 3. 全链路 Agent 提效： 探索大模型与搜索技术的深度结合，负责 Agent 框架下的全链路效率提升，通过Agent技术重构搜索链路，自动化完成搜索效果优化。 4. 技术前瞻与转化： 跟踪全球大模型与 信息检索领域的最前沿技术，确保搜索产品在生成式时代的领先地位。 职级可看P6-P8
