共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
1. 设计酒店商家智能体系统：构建多智能体矩阵，实现定价、库存、营销等核心运营场景自动化 2. 搭建智能化业务闭环：打通市场感知 - 策略调整 - 流量转化链路，对接 C 端搜推系统，优化匹配与转化率 3. 探索前沿技术应用：运用强化学习优化智能体决策，持续迭代 AI 营销模式 4. 推动产品商业化落地：协同运营、技术团队，帮助传统酒店商家实现数字化运营转型
行业需求与产品规划：深入客户投放场景，与销售、运营及广告主合作，识别行业客户从获客到付费、留存环节的关键问题，判断需求价值与优先级，独立推进所负责方向的产品规划。 深度转化产品建设：围绕付费成本、付费率、ROI及长期用户价值等目标，协同算法、研发团队，推进出价策略、转化产品、数据建设、效果诊断等产品能力建设。 数据分析与效果优化：结合客户、流量、素材及投放策略等维度分析效果，定位影响预算消耗与转化效率的问题，提出优化方案并通过实验验证。 产品落地与推广：负责需求设计、研发协同、上线验收及客户试点，结合投放数据与客户反馈持续迭代，推动有效能力规模化应用。 行业方案沉淀：总结不同深转行业和客户投放阶段的共性需求，将有效经验沉淀为可复用的产品功能和行业解决方案。
1、负责千问Agent产品的用户体验设计，覆盖对话交互策略、多模态交互界面和信息获取体验的全链路设计，主导Agent产品"人机协作"体验模式的定义与迭代； 2、深度参与用户研究与体验度量，利用AI辅助完成用户洞察分析，搭建Agent产品体验评估指标体系（含Agent可信度、用户信任度、容错策略等），推动体验优化的数据闭环； 3、将AI工具深度嵌入设计全流程，用AI Coding工具快速构建可交互原型验证设计方案，主动识别并补全Agent交互中的异常状态、边界条件与降级策略，建立设计到代码的高效交付链路； 4、与产品、算法、工程团队紧密协作，基于对大模型能力边界的理解，将模型能力转化为用户可感知的体验提升，在产品决策中持续输出有依据的用户视角输入。
1. 网络安全领域数据体系设计：针对 CTF、二进制漏洞挖掘、Web 渗透测试等方向做结构化拆解（考点分类、难度分级、任务原子化），设计可复用的任务模板与评测协议，基于外部搜集和自主设计，实现批量化和自动化构造靶机环境（Docker / QEMU / 云主机 / 隔离网络），最终沉淀标准化的领域数据资产。 2. 大模型行为轨迹生产与激励标注：驱动大模型在靶机环境中执行任务，采集完整的推理与操作轨迹（Thought / Action / Observation），设计多阶段过程激励（Process Reward）与结果激励（Outcome Reward）标注方案，将轨迹转化为可用于 SFT / DPO / RLHF / RLAIF 的高质量训练数据，持续提升模型在真实攻防场景下的表现。 3. 与模型团队协同推进：作为数据侧对接人与算法 / 模型团队深度协作，参与能力评测集设计、Bad Case 归因、数据配比与训练策略制定，推动网络安全大模型按节奏迭代，及时定位并解决数据、评测、训练环节的关键卡点，驱动数据补充与评测修正形成闭环。 4. 外部专家与生态管理：与高校课题组、白帽社区、领域专家建立长期合作机制，负责需求定义、验收标准撰写、任务分发、结果评审与流程规范迭代，通过外部资源规模化供给精标数据，构建"内部研发 + 外部众包"的双轮驱动数据管线。
岗位描述：面向世界模型（对物理 / 交互环境建模、预测未来状态、支持规划与决策的大模型，含视频生成式世界模型、交互式可玩世界模型、Physical AI 的世界基座模型等，服务机器人、自动驾驶等下游），独立负责其能力提升的完整闭环。 岗位职责： 1. 设计世界模型评测任务与指标，区分"视觉逼真"与"真正的世界建模能力"（业界已证实二者可脱钩）：覆盖物理规律遵循（physics adherence，如质量/动量守恒、流体、光学、力学）、时序与长程一致性、指令可控性、动作条件下的状态演化预测，以及作为可交互环境的稳定性；兼顾生成质量与对下游规划 / 决策的功能有效性。对标并扩展业界 benchmark：Physics-IQ、WorldModelBench、GameNGen 类交互式世界等。定位失败模式（物理违背、状态漂移、长时序崩坏、幻觉物体、物体尺寸/守恒违规等）。 2. 针对短板设计数据合成与生成式仿真环境合成（generative simulation，如 RoboGen / Cosmos 式自动生成任务、场景、物理配置）方案，增强模型对物理规律、因果关系、空间 / 物体持久性的建模。 3. 主导世界模型训练消化数据，用评测复测验证优化效果，推动闭环持续迭代。
【岗位职责】 - 负责输入法核心算法的研发与优化，包括但不限于语言模型（LM）、解码搜索算法、拼写纠错、分词及词性标注等模块。 - 深入研究并落地大语言模型（LLM）在输入法场景的应用，如智能预测、上下文联想、文本润色及个性化生成等。 - 优化输入法的端侧模型，在保证预测准确率的同时，实现模型在移动设备上的轻量化部署与高效推理。 - 负责用户行为数据的挖掘与分析，通过用户画像和个性化算法，提升用户的打字效率与输入体验。 - 跟进学术界与工业界的前沿技术（如NLP、深度学习、推荐系统等），并推动其在输入法产品中的落地。
1. 负责创新渠道的拓展与运营，围绕客户及预算方产品目标，挖掘和引入多元化创新渠道资源，完成BD拓展及业绩目标； 2. 负责创新渠道的选用育留全生命周期管理，包括渠道筛选评估、合作引入、日常运营管控、效果优化及淘汰退出，建立健康的渠道生态； 3. 负责商务谈判与合作方案制定，完成合同谈判及签署，维护现有渠道合作关系，挖掘二次合作及增值合作机会； 4. 负责渠道业务流程推进与风险管理，识别合作中的合规、质量及经营风险，建立风控机制，确保业务健康可持续发展； 5. 负责日常运营数据统计与监控（渠道数据、业绩数据、转化数据等），搭建数据台账，输出分析报告，通过数据驱动渠道运营策略优化； 6. 与上游用增团队紧密协同，对齐渠道投放策略与用户增长目标，协调产品、研发等跨团队资源，优化全流程运营效率。
1. 行业策略规划：负责生活服务维修行业业务的增长策略制定与路径规划，对行业整体营收、UE、健康度目标负责。 2. 数据驱动经营：基于深度数据诊断与分析，精准定位业务痛点，确定阶段性经营策略与打法，实现数据驱动决策。 3. 产品迭代与协同：联动产品、研发及BD团队，推动行业专属产品的迭代优化，通过机制创新带动行业规模化增长。
1、负责 AI 创作相关产品的规划与设计，包括图像、视频及多模态创作工具 2、深入理解创作者与垂直场景（如营销、学习教育）的需求，结合 Chatbot 交互形态，设计自然、易用、有创造力的创作体验。 3、与设计、算法、研发协作，将 AI 能力转化为可被用户理解和使用的产品 4、关注行业趋势，参与规划面向未来的 AI 内容形态与创作工具
1、设计和实现面向语音数据生产的 Agent/Agentic Workflow 模块，将大模型、Speech/Audio 模型、Prompt、规则和工具组合成可验证、可回归、可监控的自动化生产能力。 2、根据个人主责模块，承接自动/辅助标注、AI 质检、LLM/Model Judge、置信度校准、风险分层、abstention 或人机路由中的部分能力；不要求单人同时亲自实现全部模块。 3、建立所负责模块与人工 Gold 对齐的质量评估、误差分析和生产决策阈值，在给定质量约束下提高可信自动化覆盖率。 4、建设开发集、回归集和长尾 challenge set，完成离线实验、badcase taxonomy、版本回归、漂移监控和持续优化；向独立验证团队提出冻结测试覆盖需求，但不自行审批上线。 5、通过 Shadow Test、小流量试产、A/B Test 或其他可审计实验，证明方案在质量、覆盖率、人效和单位成本上的实际收益，并设计 stop/rollback 条件。 6、与语音模型算法、数据处理、生产质量、数据策略和平台工程合作，把 Agent 接入真实生产链路。
1. 熟读英文文献并能精确领会文献所传递的医学内涵，对ai模型的翻译能力进行测试和调优。 2. 熟悉医学领域包括但不限于临床、科研层面的各类文献等数据的出处与质量，完成数据获取、质量判断与分类管理。 3. 耐心细致查阅中英文文献核准所审核模型生产的医药学相关专业内容，以测评ai模型在医学科研和临床诊疗场景中所训练的各项能力，针对不恰当的问答或知识回复予以修改，并依据医学科研或临床诊疗逻辑生产足够数量的训练样本。 4. 与产品、算法、IT技术等领域同事，有效的跨组沟通，解决将医学专业能力或内容建设成为医学ai产品过程中的问题； 5. 对医学专业的内容和产品在现实场景中的应用，进行调研和策划。
岗位介绍 我们正在寻找兼具业务理解力、客户沟通能力和工程能力的 FDE，深入海外客户的真实业务场景，基于阿里云的 AI、数据与云产品，与客户共同构建可投入生产的应用和解决方案。 你将参与从业务问题发现、方案设计到开发部署、效果验证的完整过程，帮助客户将 AI 能力融入日常业务，并将一线实践沉淀为可复用的产品能力和行业方案。 岗位职责 1. 深入客户业务，定义落地目标。与客户业务及技术团队紧密协作，梳理业务流程、系统架构与数据现状，识别高价值场景，明确项目范围、技术路径和可衡量的成功标准。 2. 亲自开发，推动从原型到生产的落地。基于大模型、Agent 与云服务快速构建原型，完成或者与产研团队协作关键代码的开发、系统集成和部署，持续迭代至可稳定运行的生产应用。 3. 打通企业内部系统与数据。连接客户现有 API、数据库、知识库和业务系统，解决数据质量、权限、网络及遗留系统适配问题；根据项目需要参与数据迁移、数据管道建设和云上架构改造。 4. 保障应用效果与运行质量。建立评测、监控和问题定位机制，持续优化任务完成率、准确性、响应速度与运行成本，满足客户对安全、可靠性和可维护性的要求。 5. 推动客户实际使用。与客户工程团队开展现场共建、技术培训和知识转移，并负责推动应用融入业务流程，跟踪使用情况及业务收益，发现并推进后续改进机会。 6. 沉淀经验，推动产品迭代。将项目中的共性需求与技术问题转化为可复用的组件、Agent Skills、集成模板和实施方法，并与产品、研发团队协作推动改进。
1、负责千问的广告投放创意，实现代理和aigc 内容的双向供给和质量提升，达成业务增长目标； 2、根据产品核心功能、场景、目标用户人群，制定内容创意和素材需求；制定创意内容的生产方案，对接管理素材生产方，对素材质量和交付效率负责，同时优化商务政策； 3、监控和分析素材效果数据，持续优化内容策略和创意策略，通过策略迭代优化广告效果，实现新增量、留存、对话率和用户意图率的提升； 4、关注行业趋势和内容热点，沉淀创意工作方法论，持续创新推动创意形式突破，监控市场创意策略并及时跟进； 5、跨部门高效协同产品、优化师、代理管理等多团队，共同实现产品增长。
1、服务投放超级汇川大客户，根据客户需求进行相关信息和数据的反馈； 2、定期与客户、代理商、服务商沟通，并分析日/周/月维度数据，周期性针对重点客户进大客户运营-营销顾问行投放策略输出与复盘； 3、为客户的投放效果的持续增长负责，可结合客户需求与行业发展趋势在公司内部推动商业化产品的改善； 4、对电商行业有一定的洞察能力，能根据客户需求制定营销策略，满足客户投放目标； 5、熟悉信息流广告投放流程，了解产品机制，熟知投放策略，有分析数据的能力，可以根据问题自行找到解决方案；
1、负责AI驱动的智能营销平台与广告策略产品设计，以客户效果为核心目标，通过数据驱动+AI模型优化流量分发、竞价机制与投放策略，持续提升ROI与平台变现效率。 2、结合用户行为、广告主需求与平台生态数据，挖掘新的增长场景，推动产品创新与平台收益增长。 3、 主动追踪生成式AI、大模型、Agent等前沿技术在广告领域的应用趋势，探索AI原生广告产品形态的迭代。
1. 高质量数据挖掘：负责重点领域高质量网页挖掘算法的设计与优化，提升有价值数据的召回率与准确率。针对特定类型数据源（如专业知识库、代码仓库、学术论文、多模态内容等）研发定向挖掘策略，构建可持续扩展的数据获取能力。 2. 多模态合成数据生成：设计并构建 LLM / VLM / Omni 等多种模态的 SFT（监督微调）与 RL（强化学习）合成数据生产链路。研究合成数据的可控生成、多样性增强、难度调度与分布对齐方法，提升合成数据对模型能力的增益。 3. 数据处理算法研发：研发新一代数据处理算法，包括但不限于网页解析、质量评分模型、数据去重与去污染、图像预处理、跨模态对齐等。推动算子的工程化落地，形成标准化、可插拔的数据处理组件。 4. 数据质检与配比优化：构建数据质量验证算法，覆盖完整性、准确性、安全性、知识密度等多维指标。研发数据改写、数据清洗、数据配比优化等方法，保障训练数据分布合理、质量稳定。
1.了解业务部门的战略了解业务部门的战略，对业务进行组织诊断对业务进行组织诊断，为业务部门的战略落地提供建议为业务部门的战略落地提供建议，规划并参与实施规划并参与实施 2.为组织发展提供人力资源支持为组织发展提供人力资源支持，定期进行组织盘点定期进行组织盘点，在招聘 培训 绩效考核薪酬、员工关系等方面为业务部门提供有效员工关系等方面为业务部门提供有效的解决方案并实施 3.在业务部门内推动公司层面的变革在业务部门内推动公司层面的变革 ，提升人力资源运作效率提升人力资源运作效率 4.传承公司文化传承公司文化，发扬价值观发扬价值观 ，建设沟通渠道建设沟通渠道，保证组织的持续健康成长保证组织的持续健康成长 5. 主动建立与管理层主动建立与管理层 ，发扬价值观发扬价值观、一线主管及员工之间的多形式有效沟通机制一线主管及员工之间的多形式有效沟通机制，建设沟通渠道建设沟通渠道，保证组织的持续健康成长保证组织的持续健康成长 保证信息在不同层级间的有效传递保证信息在不同层级间的有效传递
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；
阿里巴巴旗下的AI Coding创新团队，致力于革新软件开发 paradigm。我们正在打造下一代AI驱动的智能开发工具产品，旨在彻底改变开发者的工作方式。我们的产品覆盖 Al native IDE Qoder、智能编程助手等多元化产品形态，通过尖端 AI 技术提供智能化功能和流畅体验，显著提升开发效率与创新力。我们正寻找富有激情、创造力和前瞻性思维的精英人才加入，共同定义软件开发的未来。 1. 负责基于大语言模型的AI Coding产品核心能力的开发工作，实现复杂问题分析与理解、代码生成与测试等功能，包括AI Coding智能体、复杂工程理解、自动化记忆感知、大规模知识管理等。 2. 负责大模型训练相关工程与算法能力，例如模型数据合成、模型与智能体评测、与算法团队合作模型训练等工作。 3. 持续优化和改进平台架构，提高系统的可用性、稳定性和扩展性。确保全球化多地域复杂分布式架构的稳定与高性能。 4. 跟踪最新的人工智能技术进展，评估并实现可能的技术解决方案以满足业务需求。 5. 与产品经理和运营团队紧密合作，确保技术实现能够满足产品规划和用户需求。
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：定义大模型时代的主动推荐 1. 主动服务场景构建： 负责千问场景下的主动推荐算法研发。基于用户长期记忆与画像，构建主动发起聊天话题、引导任务执行的算法体系。 2. 生成式推荐探索： 探索 LLM-Native 的推荐范式，利用大模型的原生推理能力实现生成式推荐（Generative Recommendation），打破传统过滤式推荐的局限。 3. 时机决策与推送策略： 针对主动服务中的“打扰度”痛点，构建高精度的时机建模（Timing Modeling）与推送策略，确保在最合适的时刻提供最具价值的信息。 4. 长时记忆与任务驱动： 结合 RAG 与记忆模块，使推荐逻辑具备跨时空的连续性，实现基于历史上下文的精准任务挖掘与发起。 5. 业务闭环优化： 深度理解推荐与推送业务指标（点击、留存、任务达成），通过算法手段实现用户价值与业务增长的协同。 职级可看P6-P8
1. 负责千问消费决策相关意图的对话效果优化，围绕意图理解、回答质量进行效果优化，提升该场景下的业务规模及用户体验。 2. 基于对用户行为的洞察，结合深度数据分析，定义关键业务指标（如DAU、留存、使用深度等），通过产品创新和策略优化，推动用户规模和使用深度实现增长。 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，建设消费决策场景评测集，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。
1. 多模态模型的推理功能开发和性能优化，包括对Qwen-VL、Qwen-Audio、Qwen-Omni等多模态输入/输出模型的功能支持和推理性能优化。 2. 分布式推理架构的研发，包括多机推理架构设计，P/D分离、A/F分离、VL模型分离架构的落地。 3. 推理引擎服务化，包括推理引擎如何接入线上服务平台，自动扩缩容和可观测性的适配，以及提升线上服务稳定性。
我们希望围绕大语言模型与 AIGC 模型，探索更具前瞻性的推理优化方法，并将其转化为真实场景中的性能收益。你将参与下一代推理加速技术的研究与落地，面向生成模型推理中的核心瓶颈，持续推进算法设计、效果验证与系统协同优化。 你将参与以下工作： ● 面向 LLM 与 AIGC 场景，研究生成模型推理加速的关键问题 ● 探索前沿生成范式，以及基于后训练的模型架构演进 ● 探索SOTA加速方案，如投机、sparse attention、LLM/Diffusion distillation等技术 ● 与工程及基础设施团队协同，探索框架+算法+算子一体的更大scope的加速方案 ● 跟踪相关领域前沿进展，推动新方法的快速评估与应用
负责主流大模型在多种 AI 加速芯片和推理后端上的适配、优化与工程落地，覆盖 Qwen、DeepSeek、GLM、Kimi等文本、多模态与图像生成模型，目标平台包括 TPU、NPU 等各类 AI 加速芯片。该岗位需要深入理解模型结构、推理框架、算子/kernel、编译栈与分布式推理机制，推动模型在不同硬件平台上稳定、高效、可规模化运行。
本团队涉及如下方面的工作：（工作内容可以根据候选人专业特长安排） 1. 多模态模型的推理功能开发和性能优化，包括对Qwen-3.6、Qwen-3.7、Qwen-VL、Qwen-Audio、Qwen-Omni等多模态输入/输出模型的功能支持和推理性能优化。 2. 分布式推理架构的研发，包括多机推理架构设计，P/D分离、A/F分离、VL模型分离架构、WideEP、ElasticEP等功能研发与落地。 3. 推理引擎服务化，包括推理引擎如何接入线上服务平台，自动扩缩容和可观测性的适配，以及提升线上服务稳定性。 4. NPU/GPU各类算子、kernel开发、算子融合、Compiler的开发等。
本岗位隶属于我们是阿里巴巴大模型推理团队，团队负责集团内部大语言模型 AI Infra推理系统建设和维护，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。AI 性能工程师工作内容包括但不限于： 1. 参与大模型推理系统的研发，聚焦于推理框架与各种类型异构硬件的适配和性能优化工作。 2. 实现各类型“卡-模型”匹配度的自动化观测，指导资源调度策略，评估新硬件引入价值。 3. 线上服务的监控与问题定位，加速大模型能力在集团内落地。 如果您是一位后端研发工程师，具有丰富的性能优化经验，希望投身于AI Infra事业又苦于缺少相关经历，也欢迎投递本岗位，我们更看重您的学习和解决问题的能力！
我们是阿里巴巴大模型推理团队，负责内部 LLM/AIGC 百炼推理服务建设，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。 AI 高性能计算工程师负责探索不同AI芯片（NV，AMD, 华为昇腾, TPU, 寒武纪等）的底层架构，使用硬件手写原生 Kernel、 Trition/Tilelang 编译优化等手段，解决“从0到1”（跑通）和“从1到N”（跑得快）的关键问题。 工作地点：北京、杭州，未来会开放「上海」工作地点，现阶段支持员工根据团队安排部分时间在上海办公，详情可与hr或面试官沟通。
1、负责公司实验科学能力设计与建设工作，包括沉淀公司核心实验场景和实验方法论，建立实验流量资源协同管理及实验流程管理机制，打造公司整体实验科学管理体系； 2、参与实验平台建设，将实验方法论、实验科学管理机制通过平台化方式向业务方赋能，保障实验体系运行顺利，提高实验执行效率； 3、负责具体业务模块的实验设计、评估与分析工作，为业务提供科学可靠的实验结论及优化建议； 4、负责负责或不可实验场景下重要项目、策略的效果复盘分析与方法论建设工作，完善对应场景的科学评估能力。
1. 平台研发：负责 AI 平台管控系统的架构设计与核心开发，覆盖多模态模型训推、模型服务、Agent 等场景，包括任务编排、资源管理、服务生命周期、弹性伸缩、灰度发布等核心能力。 2. 工程体系与技术带领：推动研发流程、架构规范、设计模式、代码质量、测试和 Code Review 等工程体系建设；根据候选人经验，承担核心技术方向规划及团队技术带领工作，同时保持一线编码。 3. 稳定性与线上问题：负责平台稳定性和可观测体系建设，深入分析和解决线上复杂问题，推动故障自愈、风险治理及运维经验的平台化沉淀。 4. 跨团队协作：与模型算法、推理引擎、前端、产品及基础设施团队紧密合作，推动需求落地和端到端产品交付，持续优化平台架构和用户体验。
1、需求洞察及规划： 洞察IDC业务和机电行业发展趋势，明确IDC电力设备研发需求并制定研发规划，输出电力设备创新研发的顶层设计，制定符合关键结果要求的目标、技术方案和里程碑。 2、创新研发：负责电力设备的创新研发，包括设计、开发、测试、灰度等环节，新研电力设备的性能指标和里程碑符合研发规划要求。 3、技术规范制定：制定电力设备技术研发规范；明确研发流程和各研发阶段的工作内容和要求，包括需求书、测试和灰度标准；制定新研产品的SOP、MOP、EOP等技术规范。 4、技术支持和推广：负责电力设备技术支持，制定解决方案、推动技术决策；负责自研电力设备供应能力的建设和在自有基地、Powershell项目中的推广落地。 5、质量管理：对电力设备的质量负责，包括制定质量管理流程和指标，主导测试和灰度验证等，为各类暴露的质量问题提供处理方案、规避相同质量问题复现。
