共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
1. 作为海外BU法务，深度参与公司产品的全球化进程，不仅要识别和分析业务场景对于 AI 和数据保护合规风险（如人工智能系统和模型的开发；数据收集、传输、存储等环节的风险），更要为业务的合规落地工作提供切实可行的建议； 2. 构建并优化海外业务的数据合规体系，确保业务符合 GDPR、CCPA/CPRA 以及东南亚、拉美等目标市场的隐私法律要求； 3. 跟踪全球主要司法辖区（如美国、欧盟等）关于互联网监管、内容安全、消费者保护及 AI 监管的法律动态； 4. 管理并协调海外外部律所，在合理控制成本的同时，获取精准的当地法律指导； 5. 通过定期复盘、专门项目等，不断优化现有合规治理的制度和流程，降低业务运营风险，保障业务顺利开展； 6. 其他日常法务支持工作。
1、负责垂直行业在地图搜索场景中的分发产品建设，制定端到端分发策略，并持续优化搜索结果与详情承接体验。 2、深入理解搜索、推荐及排序机制，围绕相关性、分发效率和数据质量，推动策略体系持续迭代。 3、分析用户行为与市场趋势，识别真实需求，协同行业团队共建产品能力，提升用户搜索效率与体验。 4、建立全面、客观的数据评价体系，通过数据分析发现问题、验证效果，并对核心指标和用户留存负责。 5、协同算法、工程、运营等团队，高效推进产品方案落地，持续跟踪效果并制定合理的迭代节奏。
1、负责千问&夸克APP用户增长外部广告投放渠道的投放策略算法设计与优化，提升投放效率与ROI； 2、构建并优化用户增长投放算法模型，设计投放实验方案，分析实验结果，形成可规模化复用的策略与方法论； 3、基于数据分析，对投放链路全流程进行诊断，与产品、运营、研发团队协作，输出策略优化建议并推动策略落地； 4、跟踪行业投放趋势与算法前沿技术，不断升级优化模型框架与算法策略。
1、负责千问用户增长数据科学及洞察，通过探索性数据分析、AB实验、因果分析等手段，输出可落地的业务洞察与策略建议，为产品、运营、投放、算法等团队提供数据支持与决策依据； 2、负责千问用户增长数据挖掘及应用，基于用户行为、投放效果、DMP画像等多源数据，构建并优化用户精细化分层、价值预估、风控算法、投放策略、归因策略、标签建模等算法模型，在业务场景落地，发掘高质量增长的机会，实现用户规模、用户粘性的增长； 2、负责千问用户数据体系建设，参与数据仓库分层设计与模型建设，设计并维护稳定、高质量的数据链路以及，熟练使用 SQL、Flink、实时数仓等技术构建离线与实时数据工程，推动数据治理体系建设。
1、对所在行业供给规模与质量负责。以促进交易增长为目标，通过品类拓展、场景招商、广告提效等抓手，实现对行业优质资源的充分引入与整合。 2、从行业经营视角出发，对供应商进行生态定位分层，完善相关管理政策，协助商家提高经营水平。 3、负责市场与经营分析，关注行业格局变化，敏锐捕捉增长机会；对内寻找与地图结合的增长机会，并输出切实可行的业务规划。
1、法律政策研究：跟踪研究互联网、人工智能、数据安全等新兴技术领域的法律法规、监管政策及行业标准，形成深度分析报告，支持公司战略决策；分析立法趋势与监管动态，撰写深度研究报告，为业务战略提供前瞻性法律建议；参与行业立法征求意见的反馈与沟通工作； 2、合规策略支持：针对新产品、新业务的合规需求，提供法律可行性分析与风险评估，识别潜在法律与监管风险，提出前置性合规方案；设计并优化合规框架与流程，确保业务运营符合监管要求；协助处理重大复杂项目的合规审查与论证； 3、监管沟通与协作：建立并维护与相关监管部门、行业协会的沟通渠道；参与监管调研、座谈及行业交流活动，输出专业观点，提升公司在监管侧的专业影响力；协调内外部资源，推动合规问题的妥善解决； 4、内部赋能与培训：编制合规指引、操作手册及风险提示材料，面向业务团队开展法律法规与合规政策培训；为跨部门项目提供法律咨询与支持。
1、负责设计并持续迭代大模型的安全评测框架体系，定义评测维度、指标与分级标准； 2、通过PE/Agent搭建，实现安全评测样本的自动化生成、自动化判定；设计并落地端到端的自动化评测 Pipeline，持续迭代评测平台能力； 3、输出高质量的安全评测报告，对评测结果进行归因分析，推动模型训练、安全策略等相关方闭环优化，持续提升业务和模型的安全水位； 4、设计并执行针对大模型的对抗性红队测试，探索和落地自动化红队方法，持续发现模型安全弱点与防护漏洞； 5、基于线上海量用户数据，设计数据挖掘策略，识别真实场景中的安全风险模式，沉淀高价值 badcase 并反哺评测集和安全策略优化； 6、追踪大模型安全评测领域前沿论文与业界实践，持续引入新方法、新工具优化评测框架、自动化链路、红队测试。
1. 参与大模型推理框架和分布式Serving系统的核心研发，面向语言模型、多模态模型和Agentic应用场景，建设高性能、高稳定性、高扩展性的生产级推理引擎； 2. 研发并优化Prefill/Decode分离、KV Cache管理、长上下文推理、多租户调度、连续批处理、SLO感知调度等核心系统能力，提升TTFT、TPOT、吞吐和资源利用率； 3. 参与分布式推理并行与通信优化，包括Tensor Parallel、Pipeline Parallel、Expert Parallel、Context Parallel、MoE All-to-All、跨机通信重叠、负载均衡和故障恢复等； 4. 协同算子、模型压缩、模型算法和业务团队，推动量化、投机解码、MoE优化、多模态推理、长上下文优化等能力在推理框架中生产落地，解决线上性能、稳定性和成本优化问题。
1. 评测体系驱动 ● 将业务需求转化为可执行、可评测的Agent任务，明确能力边界、风险和验收标准。 ● 建设离线与在线评测体系，包括任务分级、评测数据集、回归测试和真实轨迹分析；设计任务成功率、工具调用准确率、人工接管率、执行步数、延迟及Token成本等指标。 ● 建立失败归因机制，区分模型、规划、工具、上下文和系统问题，驱动Prompt、Skill、模型及Harness持续优化。 2. 长程任务规划、决策与强化学习 ● 负责多步骤、多工具、跨系统任务的拆解、规划、执行与验证，设计Planner–Executor–Verifier、任务图及动态Replan机制。 ● 建设状态持久化、检查点、断点续跑、幂等执行和失败恢复能力，解决计划漂移、循环调用、上下文污染及长程任务信用分配问题。 ● 构建Agent RL训练闭环，包括轨迹采集、环境回放、奖励设计和策略评估；熟悉SFT、DPO、GRPO、PPO、DAPO及Rejection Sampling等方法。 ● 通过规则奖励、Reward Model或LLM Judge，优化任务分解、工具选择、Replan时机、错误恢复和停止策略，并防止奖励投机。 3. Agent架构能力 ● 负责模型、规划、工具、记忆、执行、评测和安全等核心模块的架构设计。 ● 建设通用Agent Runtime，支持单Agent、多Agent、Workflow及Human-in-the-loop；建设模型路由、Tool Calling、MCP、Skill管理和Agent间任务交接机制。
1、业务对接与价值挖掘：对接AI测试相关业务团队，宣贯AI测试平台能力、解决业务痛点，深挖AI测试通用场景与高ROI功能；收集AI测试业务数据及最佳实践，建立案例库，拓展覆盖面、提升产品口碑； 2、需求转化与方案落地：结合AI测试业务多维度场景，将用户诉求拆解为可落地的产品/技术方案，明确目标边界、兼顾泛化性；负责AI测试相关方案设计、技术选型等相关工作； 3、平台架构与产品设计：负责AI测试平台整体产品规划与技术架构设计（Platform + Agent），定义平台能力结构；规划CI/CD中AI质量门禁接入方案；推动从工具化向平台化、从自动化向智能化演进，建立标准化接入与规模化复制机制； 4、数据与质量体系建设：建立AI测试效果评估体系（覆盖率、缺陷拦截率、ROI等），推动数据闭环（数据采集→平台优化→效果提升），定义质量指标体系与平台化沉淀机制； 5、技术调研与项目推进：跟踪AI及测试领域行业技术趋势，调研新技术在AI测试解决方案中的应用，推动架构创新；协调业务各团队保障方案落地，对齐AI测试提效目标，共同为业务质量结果负责，确保需求闭环与收益达成。
1.负责医学问答深度思考模式（DeepResearch）的产品优化，支持医学临床和科研类问题。 2.探索Agentic-AI在医学领域的技术落地和架构演进，提升医学问答算法的循证率和逻辑性。 3.和优秀的同学一起合作，为医生平台创新业务注入生命力。
1、负责阿里AI产品——千问的投放，以广告投放为核心手段，结合媒体渠道，为新增量、用户渗透、留存等指标负责； 2、深入理解广告投放机制搭建媒体和策略能力，包括：媒体监测、RTA实验、人群理解等，能提出解决业务目标的有效方案； 3、熟悉广告系统和互联网流量市场，通过素材、人群、出价等手段，输出投放策略、优化投放方案，关注广告投放数据； 4、分析市场环境和竞品，持续探索新的高价值人群增长手段。
1. 业务策略制定与落地 • 围绕业务线战略与年度业绩目标，协助制定业务策略&规划及节奏拆解，推动策略在产品线/团队层面落地执行。 • 关注竞品动态与行业趋势，结合市场调研与竞争分析，输出策略建议并推动跨部门资源拉通。 • 参与销售目标拆解至产品线和团队，制定落地路径并追踪执行进展，确保业绩目标达成。 2. 销售过程管理与运营 • 负责独立销售过程管理：目标管理 →商机管理 → 销售转化，输出准确的业绩预测和过程监控。 • 搭建并持续优化销售运营管理体系（制度、标准、流程、规范），提升运营效率与合规率。 3. 数据分析与决策支持 • 搭建销售数据分析体系，监控销售漏斗、转化率、客户分层等核心指标，输出数据洞察驱动业务决策。 • 通过数据复盘与归因分析，定位影响业务的关键节点，提出可衡量的解决方案并推动执行。 • 负责日常销售数据的整理、分析与报告输出，为管理层提供清晰的运营洞察与行动建议。 4. 客户策略与运营 • 制定客户分层运营策略，设计客户生命周期管理方案，提升客户留存与价值挖掘。 • 负责SKA及KA客户的分层标准制定、经营规划及日常运营支持，建立大客户与长尾客户之间的差异化资源分配机制，避免资源冲突。 • 深入挖掘客户需求，协调产品、运维等外部资源，联合推动客户经营策略有效落地。 5. 工具与系统优化 • 维护与优化销售运营工具及系统（CRM/BI/销售看板），确保数据准确性与流程规范性。 • 跟进销售团队工具需求，与产品团队对接推动迭代，持续提升销售团队工作效率。 6. 跨部门协同与专项推动 • 作为销售运营中枢，与产品、财务、法务等部门高效协同，推动业务专项落地。 • 跨部门资源协调拉通，解决业务实际发生的问题，保障业务目标顺利实现。
1、负责POI策略体系建设，基于AI与数据能力持续提升POI覆盖率、准确率和信息丰富度，对核心指标负责； 2、通过竞品分析、案例复盘和数据洞察，识别市场机会，制定差异化策略，持续提升POI供给能力与竞争优势； 3、统筹产品方案设计与项目推进，协同算法、工程等团队推动策略落地并持续迭代。探索AI在POI新增、属性建设等场景中的应用，推动数据生产链路智能化升级。
我们正在组建一支前沿科研探索“特种兵小队”，致力于打造下一代千问大模型、统一智能体与 AI 原生应用能力，推动从前沿科研到产品创新的全链路突破。研究方向覆盖但不限于：预训练到后训练算法、基础模型架构、data-centric 机器学习、agentic RL与scaling、多模态理解/推理/生成一体、个性化推荐与交互、记忆机制与上下文管理、复杂工具的构建与进化，以及智能体在 AI 办公、软件开发、金融等垂类场景的能力突破。 该岗位强调 全栈能力与研究驱动：团队会在 长期基础研究、业务相关应用研究、关键能力落地 之间形成持续飞轮，鼓励围绕最重要的问题开展自主科研探索，并与千问训练、系统、数据、评测、产品等团队深度协作，把关键突破转化为真实产品能力与全新用户体验。 工作职责： ● 【前沿科研探索】 围绕大模型、统一智能体与 AI 原生应用中的关键问题开展研究，跟踪前沿、主动识别高价值方向，推动原创方法、核心能力与长期壁垒形成。 ● 【全链路端到端推进】 打通算法、数据、训练/对齐、评测、系统与产品化闭环，持续优化从 Pretrain/CPT 到 SFT/RLHF/RLAIF/DPO/RLVR 的训练链路，以及“评测—数据—训练—上线反馈”的高效飞轮。 ● 【科研与业务双向驱动】 将基础研究与真实场景结合，在多模态、AI Office、AI 搜索/深度研究、个性化与记忆系统、Browser Use、软件开发等方向推动能力突破与产品创新。 ● 【学术与技术影响力】 产出论文、专利、开源或其他高质量技术成果，沉淀可复用的方法论与系统能力，形成持续技术影响力。
1.0-1供应链体系搭建主导芯片供应链流程设计建设，覆盖EDA/IP采购、晶圆代工、封测、关键材料、物流及质量管控；建立适配初创期“小步快跑”的敏捷采购、供应商准入与管理。 2.核心厂商资源整合深度对接国内外Foundry、OSAT、IP授权方、基板/特种材料供应商；主导商务谈判、产能预留、良率爬坡协同与替代方案验证。 3.业务流程拉通与全链路降本打通研发、采购、制造、财务、品控的业务断点，建立从成本拆解、流片排期到交付验收的可视化链路，实现综合成本最优。 4.阿里生态对接与能力转化快速识别并接入集团内部资源，打造“芯片供应链数字化”能力。 5.风险管控与合规保障能链接和利用好集团法务资源，建立地缘政策、产能波动、出口管制、知识产权等风险预警与预案；确保采购合规、数据安全与反舞弊机制落地，保障交付。
1、支持行业云平台和云产品在不同芯片架构和服务器下适配的技术方案，推动多部门协同，解决软硬件技术问题，向用户提供自主可控，安全可信的行业云平台。 2、推动行业云横向架构治理，支持特定云产品线的多芯架构升级，包括安全合规、资源共池等，以满足各类行业标准和规范。 3、推动云产品在不同芯片体系下的性能调优和应用迁移技术方案，实现行业云平台的平滑迁移。
- 作为产品线代表，面向海外企业与跨国公司（AIGC 应用厂商、互联网平台、游戏泛娱乐、电商零售、金融等）开展深度技术交流，理解其核心业务场景与 AI 转型诉求，影响关键决策人，推动商机判断与转化。 - 从产品设计到解决方案设计，基于多模态推理引擎、推理平台、模型 API 等产品能力，为复杂项目设计端到端方案，并在选型、POC、Benchmark 与报价配置中提供技术支持；提炼可量化的领先控标项（首 token 延迟、吞吐、单位 token 成本、出图/出视频时延、并发与稳定性），在关键项目中落地验证，形成竞争壁垒。 - 通过 Prompt 工程、工作流编排、Agent 构建等方式，借助前沿 AI 编程助手（Claude Code、Qoder 等）快速开发高价值 Demo，完成客户侧的价值验证；并将验证结果沉淀为细分场景的最佳实践、标杆案例与英文 GTM 材料，赋能海外销售团队及生态伙伴，加速方案规模化复制。 - 精准提炼客户共性需求与痛点，反哺产品定义，协同 RD 团队推动产品改进、定价策略优化与新功能孵化。
1、负责阿里云全球数据中心安全解决方案的制定与落实，结合现场实际情况均衡考虑安全管理的质量、效率、成本，为业务的健康发展保驾护航； 2、负责对数据中心进行全面业务调研与安全评估，识别并优化关键业务流程的安全关键控制点，推进数据中心安全数字化平台建设； 3、负责对数据中心开展定期检查，识别安全漏洞和系统缺陷，并通过异常行为检测、安检质量识别等AI智能分析手段予以解决； 4、负责物理安全领域新技术的研究、探索、设计、系统开发、推广和验证工作，为数据中心设计、设备选型等技术迭代提供技术支撑。参与数据中心基础设施建设、验收测试等工作，保障新建项目交付质量； 5、负责与周边团队建立高效协同合作关系，推动安全解决方案落地并常态化运营，提升数据中心安全管理水平。
1. 预估方向：负责搜推广预估模型、校准相关方向的算法策略研发，包括特征体系和模型创新，负责深度学习模型在用户表征学习、召回模型、精排打分模型中的应用。 2. 机制方向：负责广告机制策略优化，基于深度学习与运筹优化的深度结合，优化出价机制策略，满足广告主多约束多目标的保量投放需求，同时提升客户效果与平台收益；构建多目标约束优化框架（如收入、广告主留存、生态公平性）建设生态健康的广告系统。 3. 创意方向：负责搜索广告动态创意模型策略算法优化工作：使用AIGC大模型根据客户营销信息，结合流量特征生成广告创意物料，提升广告创意物料供给的质量和营销效果；负责搜索广告创意物料-样式组合优选模型：多模态创意-物料素材组合优选，为搜索广告选择最优创意物料和样式组合，进而提升广告营销效果。 4. 流量增长：负责高德端内商业化广告流量的增长，具体包括：在搜索引导、Query推荐等核心场景中，通过端内用户行为的分析和挖掘，自动挖掘高价值广告供给和Query数据，结合在线实时识别与预估用户需求，主动进行精准化引导与分发，从而实现商业化广告流量的高效提升。 5. NLP/相关性方向：负责搜索广告的Query理解、触发、bidword推荐、文本匹配、Query推荐等相关工作，熟悉并掌握主流的NLP算法，在保障广告用户体验的前提下，提升广告收
1. 负责美食行业大客户拓展工作和KA团队销售管理工作，根据业务要求完成业绩指标。 2. 了解行业，理解客户需求的基础上，能带领团队以商业化大客户新拓为主要目标，整合公司产品和服务，为客户提供商业化运营解决方案，并协同和推动落地，为客户交付满意的业务结果。 3. 能开拓并建立、维护大客户良好的客情关系，能独立与客户沟通推进合作，具备独立完成客户沟通、谈判和合同签订能力。 4. 具备市场敏锐性，洞察所在行业趋势，挖掘行业机会，推动现有客户解决方案和平台产品的优化。
阿里云CIO账处与成本团队是阿里云智能商业化体系的核心引擎，专注于构建面向客户的账单、结算、FinOps 等关键能力，致力于帮助客户“看清、看懂、优化”上云成本，实现高效、透明、智能的云资源管理。 加入我们，你将获得： ● 深度参与云计算商业化实践：近距离接触并推动阿里云核心商业流程的建设与演进； ● 挑战百亿级实时账单系统：在高并发、高可用、高精度的场景下，打造业界先进的账务处理平台； ● 探索 AI 与商业化融合创新：将大模型、智能预测、成本优化等 AI 技术深度落地于真实业务场景。 如果你热爱技术、拥抱变化，渴望在云计算与 AI 的浪潮中施展才华、创造价值，欢迎加入阿里云CIO账处与成本团队！ 1. 负责账单出账引擎与调账平台的架构设计与持续演进，制定关键模块的技术方案与落地路径，确保系统可用性、可扩展性和长期演进能力； 2. 识别账单链路中不合理的设计，推动业务与技术债务的系统性治理，全面提升账单的准确性、时效性与可运维性； 3. 对业务保持敏锐，能快速理解业务逻辑与核心痛点，高效协同产品团队，完成需求分析、技术方案设计及核心模块研发，驱动产品快速迭代； 4. 独立负责中小型项目的落地及管理工作，确保项目进度、质量与高效协作，确保组织高效运作； 5. 能够在团队中完成code review任务，确保代码的有效性和正确性，并能够提供相关编码、性能及稳定性的优化建议； 6. 能够快速定位线上问题并做根因分析，推动监控/告警/数据稽核体系建设，保证关键SLA达成；
1、负责千问的拉活广告投放工作，有成熟信息流投放经验，熟悉各大主流媒体平台优化策略，对接媒体快速测试并规模化有效渠道，带来流量增长 2、数据监控与优化，实时监控各渠道数据（曝光、点击率、转化率、用户质量等），分析效果并提出优化方案；通过A/B测试优化人群、素材、策略，提升用户转化效率； 3、沉淀方法论，关注投放流程可优化点，推动内部平台产品建设与广告平台的优化升级，有将通用能力产品化的思维与推动力； 4、主动挖掘市场动态与产品动态分析，行业洞察与技术工具，跟踪数字营销趋势，推动技术工具落地，建设技术化投放能力，提升整体投放效率和智能化水平，对现各类AI工具了解并有一定工作使用经验。
1. 负责分析和设计数据中心SoC的芯片软件架构，参与产品需求分析并定义关键技术栈的软硬件结合特性，助力芯片架构迭代设计 2. 深入理解客户和业务需求，设计实现各类系统优化方法，提升SoC芯片的端到端应用表现和竞争力水平，形成创新的应用最佳实践 3. 与芯片研发团队协作，通过仿真、原型等方法在芯片设计早期发现芯片设计问题、验证芯片在各种用户场景下的表现 4. 参与芯片生命期维护工作，解决芯片在应用中出现的各类问题
1、基于飞猪酒店业务，进行高星酒店集团门店的业务拓展，保证所辖区域集团酒店门店覆盖率； 2、结合阿里生态&市场特性为高星酒店客户提供运营方案，帮助商家提升运营能力并驱动销量持续提升，与所辖区域单店及城区负责人并建立深度业务合作关系； 3、协同产品、运营团队，推动业务及项目落地，持续优化用户体验。
1. 面向企业级客户，整合提供 AI 化钉钉全链路解决方案：能够对话 c-level 角色，基于管理视角的咨询，基于产品视角的架构，基于技术视角的可行性交付，对项目成交和标杆案例负责； 2. 面向细分行业赛道，架构“钉钉+行业生态”方案，推动在产品和商业层面的行业合作，包括但不限于活动、共创、生态引入等形式，以区域势能影响力为目标； 3. 聚焦钉钉能力矩阵的需求梳理，具备业务 AI 化架构能力，对接产研，推动产品迭代与重点客户共创；
1、 负责千问PC客户端和千问网页版的用户增长工作，为用户规模目标负责 2、 设计并各渠道的拉新促活策略，包括但不限于SEM、SEO、GEO、达人营销、信息流投放、厂商合作、二/三方合作等，明确商业模式，制定投放预算，并评估投放效果 3、 深入洞察AI产品的行业趋势、业务痛点及用户需求，和产研团队沟通协作，挖掘端内和端外场景的新用户增长机会点 4、 以数据驱动用户增长产品体验和增长策略的持续改进，推动产品侧的迭代升级及转化率提升，落地新的增长玩法/场景/合作模式。
1、负责外投AI能力的产品化落地，覆盖外部媒体渠道用户增长投放，对NU规模、获客成本、用户质量等核心指标负责。 2、将AI与自动化能力深度融入日常投放工作，构建"AI执行+人类决策"的高效工作模式——用Agent/自动化工具承接重复性执行与监控，将人的精力聚焦在策略判断和异常仲裁上。 3、建设投放效果的分析与诊断体系，快速识别波动归因，驱动策略迭代；能借助AI工具高效完成数据洞察、竞品分析、趋势研判等工作。 4、协同算法、研发、媒体、创意等团队，推动投放能力持续升级。
面向大模型在线推理场景，建设高性能、低成本、高可靠的推理加速基础设施，支撑高并发、大规模模型服务。 你将参与以下工作： 1. 设计和研发 KV Cache 存储、复用、调度与加速系统，优化 Prefill/Decode 阶段的缓存管理与资源利用率。 2. 协同 GPU 显存、主存、SSD 及远端存储等多级资源，优化 KV Cache 换入换出、跨节点迁移、共享复用和生命周期管理。 3. 优化首 Token 延迟、端到端时延、推理吞吐和集群资源成本，提升大模型服务的稳定性与弹性能力。 4. 分析并解决推理服务在线上的性能瓶颈、显存碎片、长尾延迟和稳定性问题，持续推动系统架构演进。
岗位定位 1. 你将负责大模型训练与评测数据的质量准入，对采集、采购及标注交付的数据开展数据洞察、数据理解、质量验收与必要的数据处理，识别数据中的质量风险、能力缺口和潜在价值，形成明确、可信、可追溯的准入结论。 2. 该岗位是数据进入训练、评测及应用链路前的第一道质量门，需要既能深入样本理解数据，又能通过分析方法和工具规模化发现问题，并推动数据生产方、供应商和业务方完成质量闭环。 岗位职责 1. 负责采集、采购、标注数据的准入验收，制定质量Rubric、抽样方案、验收阈值和错误分类标准，输出接收、整改或拒收结论。 2. 开展数据画像与质量洞察，分析数据分布、覆盖度、多样性、重复率、噪声、偏差及长尾场景，为数据采购、标注策略和训练数据配比提供依据。 3. 深入理解数据内容、业务语义和生产过程，结合训练与评测目标，判断数据是否正确、有效、有价值、可训练、可评测。 4. 使用Python、SQL及大模型、Agent工具完成数据解析、清洗去重、异常检测、分层抽样和辅助判定，推动质量规则工具化与验收流程自动化。 5. 对异常批次开展根因分析，定位采集、采购、标注、供应商执行或处理链路中的问题，推动整改、复验和质量闭环。 6. 与算法、采购、数据生产、标注运营及平台研发团队协作，沉淀质量报告、数据来源画像、验收SOP和典型案例，持续提升验收效率与一致性。
