共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
1. 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。 2. 搭建并迭代标注质量评估体系，通过一致性检验、badcase复盘、难度分级抽检等手段，持续提升数据质量。 3.管理标注团队，制定培训计划与绩效考核方案，并负责项目结算。 4. 与产品、算法团队对接，参与评测数据集构建及后续摸底报告产出。 5. 梳理运营SOP，推动标注平台及自动化质检工具的需求设计与落地，提升运营效率与自动化水平。
本职位隶属于阿里云 IDC 能源与碳管理策略与交付团队。该团队负责国内国外数据中心的电力方案、电力交付、电量统筹、碳管理。在阿里云在全球扩张的关键阶段，随着国内国外数据中心建设业务的快速增长，团队招聘具备电力交付经验的项目管理人才。 1. 负责阿里巴巴自建/租用数据中心电力资源与供电项目管理工作，负责电力需求统筹、方案编制和项目交付的各项目标达成。 2. 负责与政府能源管理部门、属地政府、电网、发电企业、项目合作伙伴（园区、开发方、承包方、设备供应方等）建立并保持良好合作关系。 3. 负责电力需求规划，熟悉数据中心用电需求和技术架构，保障项目各阶段电力资源可持续供给。 4. 负责供电项目从策划到交付的全流程管理，保障按期交付。 5. 完成领导安排的其他工作。
1.负责高德地图信息业务相关的功能的开发和架构演进，包括基础通用能力支持、性能优化、包体积优化、关键技术选型等； 2.负责解决软件潜在风险，保证软件安全、稳定、快速运行。
1.负责高德地图信息业务相关的功能的开发和架构演进，包括基础通用能力支持、性能优化、包体积优化、关键技术选型等； 2.负责解决软件潜在风险，保证软件安全、稳定、快速运行。
1、产品市场营销：紧密联动研发、产品、工程、商务等团队，制定并落地核心技术产品的GTM策略与整合营销计划。通过精准的用户洞察、产品定位、市场策略、渠道拓展、营销战役等，有效推动技术成果的商业化落地与业务增长。 2、行业生态拓展：建立并运营医疗AI行业KOL、学术机构及生态合作伙伴的深度合作关系，构建多元化的市场矩阵，为产品营销、公益项目提供优质的资源保障。 3、科技公益项目：依托“AI向善”理念，策划并落地具有广泛社会影响力的医疗AI公益项目，通过挖掘科技解决社会痛点的真实案例，传递技术温度，构建有责任感、有温度的顶尖科技品牌形象。
核心职责： 1. 大客户开拓与经营：深耕零售+物流融合赛道，聚焦快消品牌商、连锁零售商、第三方物流及城配平台，挖掘其在门店选址、仓网规划、配送路径优化、应急调拨、渠道覆盖评估等场景的业务痛点； 2. 解决方案式销售：深度理解客户在门店网络规划、渠道效率、消费者洞察、O2O运营等痛点，结合公司地图数据、POI、客流热力、竞品分布等核心能力，输出定制化商业智能解决方案； 3. 生态协同推进：联动产品、数据、技术及ISV伙伴，打造“标准产品+行业插件+联合运营”模式，提升方案竞争力与客户粘性； 4. 行业影响力构建：沉淀零售、物流行业方法论，参与白皮书、案例包装、私享会等活动，强化公司在零售+物流数字化领域的品牌心智。 任职要求： 1. 经验：5年以上ToB销售经验，3年以上深度服务零售、快消或物流行业大客户，有成功交付选址、仓配、供应链优化类项目经验者优先； 2. 能力：理解零售企业的渠道策略与物流企业的网络运营逻辑；； 具备解决方案思维，能将数据能力转化为业务价值语言； 出色的高层对话能力，可对接客户VP及以上级别决策者； 3. 特质：结果导向、自驱力强、善于跨团队协作，对地理信息、大数据、AI应用有浓厚兴趣； 4. 加分项：有GIS、LBS、商业选址、客流分析类产品销售经验者优先。
1. 设计和搭建大规模芯片级和模块级验证环境，制定互联/SOC层级相关功能的验证策略。 2. 执行功能/集成以及门级仿真等有效的验证方法来确保性满设计满足功能和性能要求。 3. 分析和解决故障与问题，确保验证进度，交付完全验证的相关功能设计。
1. 负责千问&夸克服务端技术体系的系统分析、设计，并主导完成详细设计和编码的任务，确保项目的进度和质量；主导技术难题攻关，持续提升核心系统的高处理性能； 2. 能够在团队中完成Code Review的任务，确保相关代码的有效性和正确性，并能够通过Code Review提供相关性能和稳定性的建议； 3. 理解业务，识别需求，参与架构、系统、分析设计等多领域项目的相关技术的实践、应用和研发。
1、负责千问&夸克App的业务开发工作，包括跟产品同学沟通需求、业务需求开发和上线，效果分析，稳定性监控及维护，重/难点技术攻关； 2、承当业务架构设计、概要设计工作，负责整体方案拉通、推进及实现落地。
1. 国际项目发行 • 全权负责影片全球版权销售、区域发行、流媒体落地、节展售卖等全链路变现工作。 • 打通海内外院线、流媒体、电影节、版权渠道，实现单项目利润最大化，对海外营收结果负责。 2. 负责国际电影项目企划开发 / 剧本内容筛选与评估 • 主导中外合拍/合作项目的前期企划与统筹工作，梳理创意方向，整合策划材料，协调团队资源，推动项目落地。 • 具备独立阅读和判断中英文剧本的能力，结合市场趋势与开发需求，提出内容建议，并撰写专业的剧本评估报告。 • 负责项目前期开发团队的任务拆解与进度管理，合理分配人力，确保各阶段开发目标高效达成。 3. 项目流程与跨部门协作管理 • 具备项目owner管理经验，负责项目相关协议；同时统筹处理法务、财务、商务等内部审批流程，以及成本预算与报销等基础运营事务，提升项目执行效率。 • 作为项目核心枢纽，主导跨部门协作会议，优化内部沟通与决策流程，主动识别并解决项目推进中的卡点与风险。 • 协助上级进行团队梯队建设，参与制定部门内部的标准化工作流程（SOP），沉淀项目开发与统筹经验，提升团队整体专业度。
1. 增长战略制定与 AI 原生营销 ● 制定面向 AI Agent 产品的全链路增长营销战略，深入理解 AI Agent 的核心价值主张与差异化优势，将技术能力转化为用户可感知的产品叙事（Product Narrative） ● 针对 AI Agent 产品的独特采纳曲线（信任建立 → 首次委托 → 习惯养成），设计分阶段的用户生命周期增长策略，覆盖拉新、激活、留存与扩展（AARRR）全链路 ● 持续追踪 AI Agent 行业动态、竞品动向及用户认知演变，识别市场教育机会与增长窗口，为产品与业务战略提供前瞻性输入 2. 内容营销与社区运营 ● 主导 AI Agent 产品的内容营销体系建设，能够深度拆解 Agent 工作流、自动化用例等技术特性，产出面向不同受众（用户、创作者、KOL）的差异化内容 ● 统筹多平台内容矩阵（小红书、抖音、微信生态等），结合 AI Agent 场景化演示、用户案例、行业洞察等内容形态，驱动自然流量增长与品牌心智占领 ● 建立并运营 AI Agent 用户社区，培育 Power User 与行业 KOL，设计从内容消费到口碑裂变的完整传播路径，推动产品在目标群体中的有机扩散 3. 大型 Campaign 策划与执行 ● 独立主导大型增长 Campaign 的端到端执行，包括选题策划、节奏规划、跨渠道协同、素材统筹及上线复盘，确保 Campaign 目标与业务增长指标强绑定 ● 围绕产品重要节点（新功能发布、重大版本迭代、行业峰会等）设计整合营销事件，将单点声量放大为持续的品牌与增长势能 ● 建立 Campaign 管理的标准化流程与协作机制，高效调动产品、设计、研发、销售等跨部门资源，在复杂项目中保持执行质量与交付节奏 4. 数据驱动与增长实验 ● 搭建增长营销的核心数据看板，监控全链路转化漏斗（曝光 → 激活 → 首任务完成 → 留存 → 付费转化），敏锐识别增长瓶颈与高潜机会 ● 设计并持续推进 A/B 测试实验体系，覆盖落地页、Onboarding 路径、关键触达文案等环节，通过数据闭环驱动持续优化 ● 深度利用 AI Agent 产品自身的数据资产（用户任务日志、功能使用路径、会话质量数据），提炼真实用户行为洞察，反哺营销策略与产品迭代 5. 跨部门协同与增长飞轮 ● 与产品团队紧密协作，将一线营销洞察（用户痛点、认知障碍、高频用例）系统性反哺产品规划，影响 Roadmap 优先级 ● 推动建立以增长为导向的跨职能协作文化，对用户增长与业务营收目标共同负责
1. 推动大模型在搜索系统的落地，利用大模型升级召回链路，探索生成式召回、语义召回、检索增强等技术； 2. 负责大模型的训练与效果优化，包括监督微调（SFT）、强化学习及相关后训练技术，结合搜索业务数据持续提升模型效果； 3. 构建面向搜索算法研发的智能Agent，将大模型应用于效果评测、问题诊断及策略优化的全链路优化，全面提升算法迭代效率和效果； 4. 跟进大模型及搜索领域的前沿研究，阅读并复现相关论文，结合实际业务场景推动新技术落地； 5. 深入理解搜索产品及业务，参与在线搜索服务研发，推动算法在高并发、低延迟场景下稳定运行，服务大规模搜索用户。
我们正在从 0 到 1 搭建 Work（AI 协同办公）方向的 RL/RFT 训练数据体系，覆盖多个专业领域。端到端负责一个（或多个）领域的数据集从任务定义、instance 构造、reasoning 生成到分层验证的全链路，是模型训练飞轮里承上启下的关键位置。 1. 领域任务体系搭建（Taxonomy 设计） 对法律专业领域做结构化拆解：一级领域 → 二级场景 → 任务类型 → instance 模板，产出可复用、可扩展的标注体系。 2. Instance 与 Reasoning 构造 设计 instance 结构（instruction + context + reasoning + output），并针对不同任务选择合适的 reasoning 获取路径（强模型蒸馏、模板化拆解、真实文本抽取、人机协作等）。保证 reasoning 是 SFT/RFT 训练可直接使用的高质量推理链。 3. 分层验证方案设计 针对不同任务定义分层校验机制：规则硬匹配 → 结构完整性 → LLM-as-judge（将主观判断拆解为 yes/no 子问题）。把"评价推理质量"这类模糊问题降维为可自动化、可追溯的子任务。 4. Rubric 与评分标准建设 制定各方向 Rubric、评分分级与标注案例库，定义黄金集（golden sets）和奖励信号（reward signals），确保训练数据质量可量化、可迭代。擅长大批量生成高质量 rubric，而不是拍脑袋写几条规则。 5. 轨迹标注与 Bad Case 归因 对模型 Rollout 产出的多步执行轨迹进行逐步标注（正确性 / 必要性 / 思考质量 / 整体 Reward），并对失败步骤做根因分类（模型能力不足 / 评测标准缺陷 / 任务定义模糊 / 运行依赖缺失），输出结构化改进清单驱动训练数据补充与评测体系修正。 6. 标注质量管控 建立双标一致性校验、金标抽检、系统性偏差检测与分歧仲裁机制，管理外部数据供应商交付质量、运营内部专家产能，确保标注间一致率 ≥80%，数据可直接用于 Reward Model 训练。 7. 外部协作与专家资源整合 与高校老师、领域专家协作定义验收标准、评审样本、迭代规范，把外部资源转化为规模化精标数据；管理供应商时能给出清晰的标注规范、边界案例和仲裁依据。 8. 数据 → 模型 → 评测 闭环 周期性输出数据质量报告，识别模型能力薄弱区间，指导算法团队调整 Rollout 抽样策略与难度分布；随模型迭代补充更高难度标注数据，保持 Reward Model 区分度。
一、评测体系设计与指标定义： 把模糊的"用户预期未达成 / 效果不好"拆解为可量化、可归因、可执行的指标。对上负责电商搜索全链路（Query 理解、相关性、丰富性性等）的指标体系建设；面向 LLM、Agent、工具调用、多轮推理等场景，构建科学、可扩展的能力评测维度（指令遵循、推理、幻觉、安全性、工具调用等）。建立离线评测、在线人巡、A/B 测试、人工主观评估相结合的分层框架，覆盖端到端体验与质量监控。 二、数据流、流程建设与人机协作： 制定样本采样策略、标注 SOP、Badcase 分类体系，沉淀高质量评测样本集与测评集。推动大模型（LLM-as-a-judge）在规模化评测中的落地，设计 Prompt、校准机制与人工评审标准，实现自动评测与人工评测的互校验。 搭建"标准—评测—数据反馈"的闭环机制，向模型训练与方案迭代产出可用于训练的高质量偏好数据与奖励信号，提升迭代效率与评估标准的合理性。 三、问题洞察与深度归因 深入分析用户反馈、评测数据及日志，对搜索结果及 Agent 执行链路中的 Bad Case 进行系统性归因，准确定位算法策略（召回、粗排、精排、决策/工具调用等）及产品功能的硬伤，定期输出评测问题归因报告。 持续跟踪行业前沿 Benchmark、评测方法与模型能力演进，做竞品对比与行业研究，探索更贴近真实业务场景的评测范式。 四、业务驱动与闭环落地 ● 将评测结论转化为算法、产品、运营可落地的优化方案，建立闭环验证机制，量化策略迭代与模型迭代的业务价值，推动复杂跨团队项目落地。以推动算法、模型和产品真正改好为目标，而非以"产出评测报告"为终点。 ● 典型产出〔可按需保留/调整〕：定期评测问题归因报告、可复用的评测样本集与测评集、LLM-as-judge 校准方案与人工评审标准、支撑决策的竞品/行业研究。
训练方向： 负责分布式训练框架的设计与优化，支撑医学大模型（LLM及多模态）的预训练、SFT微调、Post-Training（RLHF/GRPO/PPO等强化学习对齐）全流程训练任务。 构建高效稳定的训练数据Pipeline，包括数据预处理、数据加载与调度、Checkpoint管理（异步快照、分布式Checkpoint、断点续训）等基础设施。 优化大规模分布式训练的性能与稳定性，包括并行策略设计与调优（数据并行/张量并行/流水线并行/序列并行）、MoE架构训练与专家并行（Expert Parallelism）、FP8/BF16混合精度训练、长上下文训练（Ring Attention/Context Parallelism）、通信拓扑优化等。
职位描述（Responsibilities） 1. 负责AI搜索核心算法方向建设，围绕LLM Search、GenSearch、RAG、Agent Search设计并落地检索、重排、生成、反馈闭环等关键能力，支撑新一代搜索体验升级。 2. 大模型后训练（Post-training）：负责搜索场景下大语言模型（LLM）的微调与对齐，包括高质量SFT数据建设，以及利用强化学习（如PPO、DPO、GRPO等）进行人类/AI反馈对齐（RLHF/RLAIF），提升大模型在搜索问答、查询理解和医学推理总结上的能力。 3. 搜索Agent与智能检索：设计并落地基于LLM的搜索Agent架构，实现复杂Query的任务拆解（Planning）、查询改写（Rewriting）、工具调用（Tool-use/Browsing）、自我反思（Self-Reflection）与动态决策流，落地工业级Skills。 4. 主导建设面向AI搜索的数据飞轮与评测体系，包括垂直领域专家级训练数据构造、偏好数据生产、自动评测、人工评测、线上实验与Badcase闭环，形成可持续迭代的算法生产机制。 5. 与工程、产品、数据团队协作，在大规模、高并发线上环境中推动算法架构演进，兼顾效果、时延、稳定性与成本，实现前沿技术向业务价值的高效转化。
1、负责千万级医学文献 Citation Graph（引用图）的构建、维护与优化，支撑大规模科学证据网络建设。 2、负责医疗领域 Evidence Evolution（证据演化）、Evidence Chain（证据链）及 Evidence Network（证据网络）相关图算法研发，挖掘医学知识之间的关联关系与演化规律。 3、探索并落地 GraphRAG、Knowledge Graph、Graph Neural Network（GNN）等前沿技术，结合大语言模型（LLM）提升科学证据检索、聚合与推荐能力。 4、参与 Scientific Retrieval（科学检索）算法研发，结合 Citation、Semantic、Graph 等多种召回方式，提升医学文献搜索的准确性、完整性和可解释性。 5、基于离线评测及线上实验数据持续分析 Badcase，优化图算法效果与系统性能，提升大规模图计算的稳定性和效率。
负责公司核心业务场景下的 AI Agent 系统设计、研发与落地推进，以 Agent 为核心交付形态，探索并验证公司核心业务的智能化应用范式。你将参与从需求洞察、方案设计、系统构建到持续演进的全流程，不仅需要完成面向业务的 Agent 能力建设，也需要通过 Harness Coding / 半自动化研发方式 持续提升 Agent 的构建效率、可验证性与可复用性，沉淀可持续演进的 Agent 研发基础设施。 【需求理解与诊断】 1、深入业务前线，主导原子级需求分析，识别业务流程中的低效或痛点环节，挖掘可被Agent重构的业务场景； 2、同时具备业务敏锐度和解决方案的清晰视角。 【知识与体系构建】 1、围绕业务场景深度参与系统化AI Agent能力的构建，主导多Agent的协同体系设计与落地； 2、通过对业务知识的深度理解和提炼，构建可被Agent高效利用的知识与系统能力。 【模型与工具创新】 1、负责AI Agent关键能力的研发，实现复杂任务的自动化与智能化决策； 2、将业务知识转化成模型可理解的语义结构，构建以业务为中心的Agent智能体系，实现从业务洞察到原子能力升级的闭环。 【Harness Coding 与研发提效】 1、 在研发过程中建设和持续优化Harness组件； 2、 推动Harness Coding半自动化研发，提升开发效率、验证能力和复用水平； 3、 持续沉淀可复用的skill资产，支撑更多组织提效的场景。
我们正在寻找一位以 AI 为核心生产力的后端工程师——不是传统意义上"会用 AI 工具"的开发者，而是能在扎实的 Java 工程功底之上，借助 AI 把个人产能放大数倍、独立交付端到端产品的超级个体。 你将深度参与 AI 产品与平台的建设，用 Cursor、Claude Code、Qoder、Codex 等 AI 编程工具重新定义开发效率，从需求理解、服务设计、编码实现到测试上线，实现全链路独立交付。前端不是你的主战场，但你交付的东西要能真正跑到用户面前。 ## 【岗位职责】 1、以 AI-Native 工作流（Cursor / Claude Code / Qoder / Codex / Agent 辅助）独立完成产品功能的端到端交付，以服务端设计与实现为主体，覆盖需求分析、方案设计、接口与数据模型设计、联调、测试部署全流程。 2、主导或深度参与 AI 产品原型的快速验证，从 0 到 1 构建可交付的 MVP，包括 Agent 应用的服务端编排、内部效能工具、数据平台功能模块。 3、持续探索 AI 编程工具链的最佳实践，建立团队 AI-Native 开发规范（Prompt Engineering、Context Engineering、代码审查与质量保障策略）。 4、参与核心系统的架构优化与性能治理，确保 AI 辅助生成的代码满足工程质量标准（可维护性、可测试性、安全性、高可用）。 5、与产品、设计、前端协作，具备独立拆解需求、细化接口与交互边界的能力，减少协作链路中的等待损耗。
1、数据服务业务解决方案销售，围绕重点行业方向开拓高质量KA客户，与客户建立长期、稳定合作关系； 2、针对所负责的方向制定、落地销售策略，达成销售目标； 3、挖掘重点客户数据服务需求，拉通后端资源，提供定制化解决方案，并能够根据自身平台能力特点发掘、引导客户需求； 4、基于对行业趋势的洞察判断、重点行业、客户痛点认知，为业务发展、产品能力建设提供输入；
1、行业研究与分析。深入研究医疗、教培等行业的市场动态、用户行为、竞争格局；输出行业白皮书、市场趋势报告，为平台决策提供数据支持。 2、策略制定与执行。根据行业特性，制定平台在该领域的业务拓展、产品优化、营销推广、商家合作等策略；推动重点行业从“流量获取”向“价值创造”转型。 3、跨部门协作。与产品、运营、市场、技术等多部门协同，推动策略落地；策划并执行行业专项活动或项目，提升平台在该领域的影响力。 4、竞品对标与创新。分析竞品在医疗、教培等领域的策略与打法，提出差异化竞争优势；探索新兴模式，推动平台在相关领域的创新突破。
· 广告投放执行与优化 · 统筹广告投放全流程，包括素材准备、账户搭建、定向设置、出价策略等 · 监控投放数据，实时优化投放效果，提升ROI和转化效率 · 协调内部创意团队和外部代理商，确保广告素材质量和按时交付 · 建立A/B测试机制，持续迭代投放策略 · 效果监测与数据分析 · 搭建广告投放数据监控体系，跟踪曝光、点击、转化、留存等核心指标 · 定期输出投放分析报告，识别问题并提出优化建议 · 归因分析投放效果，评估各渠道贡献和价值 · 建立媒介投放知识库，沉淀最佳实践和方法论 · 处理投放异常和投诉，维护品牌声誉 · 跨部门协同与流程优化 · 联动营销、产品、数据、财务等团队，确保媒介投放与业务目标对齐 · 优化媒介投放流程和协作机制，提升工作效率 · 推动媒介投放自动化和智能化工具建设，以及项目全周期管理
1、负责教培行业商家，在高德APP上效果类广告及展示类广告的合作拓展，提升合作商家的品牌曝光及经营效率； 2、通过商家的广告投放需求，围绕平台产品进行规划，输出广告营销方案及策略，从而提升合作商家的营收； 3、有较好的KA商家品牌广告攻坚能力，在全国范围内能联动团队也能独立拓展KA商家，持续挖掘行业内KA商家效果类广告及展示类广告商机； 4、能够针对KA客户进行广告推广的方案策划和投放策略支持，能从整合营销、策略规划、投放数据分析、投放复盘等进行全链路营销支持；
1. 根据公司发展战略和分解目标，面向家装进行业务拓展，承担并完成公司收入业绩指标； 2. 以商业产品和解决售卖为核心，具有大客户商务的综合能力，能够独立开发新客户，以客户交付和销售业绩为目标导向，制定完善的商务策略；深入理解行业需求并持续挖掘不同KA客户的诉求，结合高德的平台特性、场景和产品优势，输出有效的整合营销方案，并推动商业落地。 3. 开拓并维系业内TOP的客户，能够与客户中高层对话，独立完成商务谈判、合同签订工作。 4. 与公司内部各部门配合，做好客户的售中售后维护，及时处理客户反馈和结案支持，协同产品、运营、BI等内部团队，确保客户满意度。 5. 建立并维护良好的客情，促进客户与代理公司在高德侧的深度合作，持续共创生态价值，并获得商业化成果。 6. 挖掘自身潜力，收集市场信息，从行业和一线视角出发，对现有商业产品提出改进建议。
1、负责所辖区域休娱生服行业服务商的招募布局与团队搭建，持续挖掘优质服务商，通过培训赋能和管理机制建设，提升服务商规模与专业作战能力，对区域商业化营收结果负责。 2、协助服务商完成销售及运营团队搭建，通过业务培训、目标拆解、过程管理、激励机制和能力认证，提升团队规模、专业能力及标准化作业水平。 3、推动渠道策略与销售政策落地，围绕客户开发、签约转化、广告消耗、续费等核心指标开展经营分析和服务商培育，以专业驱动服务商改善作业效率和盈利能力，建立分层运营机制并持续提升核心服务商产能。 4、识别渠道经营及作业合规风险，传导风控要求，推动问题整改，对长期不达标或违规服务商进行预警、降级及汰换，保障渠道生态健康发展。
1. 负责生活服务业务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：用户增长、产品体验、需求表达链路和转化、营销效果与成本收益等； 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、财务等团队，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. 负责用户增长和运营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发展问题与机会点，保障策略落地； 2. 聚集用户需求、运营策略等开展专项分析，深入分析用户行为特征、路径、转化及流失原因，挖掘增长机会并输入可落地的优化建议； 3. 对重要业务专项，整合数据与信息，负责从需求探索、数据探查及数据报告的闭环，产出高质量的专题分析报告； 4. 准确全面的理解业务逻辑和目标，对目标达成路径进行拆解、推演测算，做好过程监控预警 5. 与产运/研发/算法协作，用数据科学的方法对AB实验进行分析支撑，量化评估策略效果，推进优化方案的落地执行，带动业务指标提升 6. 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、负责构建集团级多模态内容安全防控体系，研发基于VLM的内容审核与大模型安全对齐算法，保障通义千问、夸克AI等核心产品的业务安全； 2、深耕多模态大模型安全领域，重点突破跨模态通用表征、AI Agent安全防御、AIGC生成内容检测及大模型后训练安全调优等关键技术； 3、利用大模型能力构建自动化风险挖掘系统，通过合成对抗样本、长尾场景泛化及自我博弈，主动发现线上潜在的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； 4、建立高危风险内容的快速识别与拦截机制（紧急止血方案），针对突发舆情或新型攻击手段，能在小时级内完成策略迭代与模型热更新，确保业务零重大安全事故； 5、设计并落地端到端的多模态风控解决方案，平衡安全性与用户体验，解决复杂场景下的全模态风险问题； 6、跟踪业界大模型安全最新进展，持续迭代算法策略，保持技术领先性。
1、负责内容安全防控体系搭建，负责语言大模型防控能力及链路建设，包括风险内容识别能力、越狱识别能力、意图识别能力、安全代答能力等，保证业务安全及大模型应用安全；探索前沿LLM应用方案，落地千问等全业务审核场景； 2、参与语言大模型风控的数据、算法、决策完整体系建设，端到端拦截业务生成风险的同时，通过安全干预方式提升用户使用体验；负责审核模型的post-training，通过SFT/DPO/GRPO等方式实现审核规则输入及细粒度单轮/多轮风险内容识别； 3、负责搭建&迭代应急响应机制，实现对突发应急事件的实时拦截、应急处置，搭建自动迭代机制分钟/小时级闭环覆盖新增风险； 4、负责“数据生成/评估（Synthetic data/LLM-as-a-Judge）-审核模型训练-护栏攻击/风险挖掘（Agent）”的自动化迭代流程搭建，在业务场景打造行业一流的语言大模型安全风控体系。
1、支持 AI C端创新产品深度研究与策略输出； 2、可结合业务\产品发展与问题、AI行业趋势，独立主导并完成用户研究项目的需求分析、方案设计及高质量的执行与研究输出，为产品迭代与体验升级提供洞察策略，并与产品、设计、运营、算法、市场等团队紧密合作，将研究结论推进落地到产品优化、模型升级或市场策略，推动业务指标增长； 3、可基于深入的用户理解、产品目标、生成式AI应用体验发展和技术趋势，主导AI 原生产品全维度评估体系的规划、搭建与落地，由此来推动产品迭代； 4、前瞻性地明晰AI创新业务的市场环境及竞品动态、深入理解业务规划，自主探索创新研究课题并结合深入研究为业务增长提供策略支持； 5、积极探索并落地AI工具在市场与用户研究全流程中的应用。包括但不限于AI语义分析、AI辅助问卷/访谈设计、搭建AI数字用户（AI Persona）进行预研等。
