共 2450 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
1、负责家享生活行业官方直播间的合作拓展与运营工作，推动直播成交增长。 2、推动官播搭建更多的商业化合作模式，并为其商业化负责。 3、与行业、商家协同，对商品进行分层运营，进行不同货品与官播间的匹配，推动各行业实现增长。 4、结合大促等活动，根据产品节奏和市场变化，快速产出应对策略。 5、有AI推动业务提升的意识，并积极的将AI工具应用于不同的工作场景。
推动 GUI / Hybrid Computer Use Agent 在 Computer / Mobile / Browser 等真实数字环境中的能力演进与落地实践，使模型能够理解、操作并协同完成跨平台、跨界面、跨工具、跨任务流的复杂用户任务，持续提升 Agent 在开放环境中的泛化性、鲁棒性、协同性与实际可用性，拓展大模型在真实人机交互场景中的能力边界。 1. GUI Agent：重点探索 GUI 在Computer / Mobile / Browse场景下的Agent能力提升与OOD任务能力泛化影响分析，研究大规模自然GUI轨迹Pre-training、用户协同能力； 2. Hybrid Agent：设计CLI & GUI 统一范式下的Universal Digital Agent Harness & Behavior Pattern，探索用户协同CUA场景下的有效实践方案； 3. Envs Scaling & Training Scaling：在大规模合成环境和现实环境数据中CPT->RL端到端优化迭代； 4. Preference & Feedback Modeling：探索用户协同Computer Use场景下用户偏好和用户反馈的收集、建模与处理机制，研究显式反馈与隐式反馈的统一表征方式，建立可用于训练和评估的反馈闭环。
推动大模型在芯片设计（EDA）、工业设计（CAD）、工程仿真（CAE）、游戏设计、金融工程、工业自动化、Infra 调优等工程领域的能力演进与落地实践，使模型能够在真实工程生产环境中理解设计规格、调用专业工具、解析反馈信号并持续自进化，通过多轮迭代不断发掘更优算法与设计方案，拓展大模型在工程优化场景中的能力边界。该方向的核心目标是将工程领域的能力训练到主模型中，侧重在不同工程领域间的泛化性，而非构建单一领域的专用系统。 1. Self-Evolving Engineering Agent：研究基于 Self-Evolving、Long-Horizon、Multi-Agent 等 Test-Time Scaling 范式的工程优化能力增强方法，探索 Propose → Execute → Evaluate 迭代循环在多工程领域的统一建模，提升 Qwen 模型在开放工程环境中的泛化性与收敛效率。 2. Envs & Tool-Chain Integration：构建面向真实工程工具链的 Agent 闭环环境，将专业工具（EDA 编译器/仿真器/综合器、CAD 求解器、物理仿真引擎等）的 CLI 接口与报告输出集成为 Agent 可消费的结构化反馈信号，设计分层 Reward 体系驱动端到端优化。 3. Domain Data & Training Scaling：挖掘工程领域高价值数据与 workflow（设计规格、工具反馈轨迹、优化历史），构建 General Long-Horizon Data Pipeline；在 CPT → SFT → RL 端到端验证领域适配与训练策略，优化模型在工程任务中的长程推理与迭代优化能力。 4. Benchmark & Evaluation：跟踪工程智能前沿进展，围绕关键问题开展算法创新、实验分析与技术沉淀；复现并维护高可靠性工程评测环境，建立可量化、可复现的能力评估体系。 5. AI for Chip Design 加分项： （1）EDA Agent Loop：熟悉数字芯片设计全流程（RTL → 综合 → 验证 → 后端），能够将 EDA 工具链集成到 Agent 迭代循环中，构建 "生成 RTL → 工具验证 → 反馈评估 → 改进设计" 的闭环优化环境；了解后端 PnR 参数调优、时序收敛、版图优化等迭代流程，能够将布局布线阶段的多维反馈（时序/拥塞/功耗/面积）纳入 Agent 优化循环。 （2）Verification & Rewarding：具备 Verilog/SystemVerilog 读写能力，能够设计面向 RTL 生成与功能验证的评测体系与训练数据流水线，探索 Agentic 的功能性验证和形式化验证方法。 （3）AI for EDA Research：关注 AI for EDA 前沿进展，能够将学术界的训练范式落地为可复现的训练方案，在业界评测集上验证并推动芯片设计能力的持续演进；同时关注模拟电路设计、MEMS 及其他非数字电路领域的 AI 落地机会，具备将 Agent 迭代优化范式从数字拓展到模拟、混合信号及微机电系统等方向的研究与落地能力。
产品用户分析与增长运营 1. 系统性收集、归类和分析用户体验痛点，输出深度分析报告，将用户声音转化为产品改进的明确输入。 2. 基于用户体验洞察，参与制定产品迭代策略与优化优先级，确保产品演进始终以解决用户真实问题为核心。 3. 监控、发现、推动修复端到端用户体验问题；系统化总结用户体验痛点，参与制定产品改进策略；总结用例最佳实践和标准化技术内容。 4. 了解开发者常见应用场景，熟悉开发者圈层，把握开发者中的技术潮流和热点。有优秀的营销方案设计和材料编写能力，能面向不同受众尤其是开发者和决策者，不断优化提炼，影响客户心智，有效传递产品优势和价值。 5. 有全球化运营增长思考，深度参与用户全生命周期运营，覆盖拉新、转化、留存等，有独立的思考与经验沉淀。
1. 行业运营：通过对市场趋势和用户洞察形成有效策略，基于目标拆解落地品类规划，对类目的买家体量和生意结果负责 2. 商家运营：具备商家视角，建立商家招募管理体系，制定并执行针对各类型商家和供给渠道的招募、洽谈及培养计划 3. 商品运营：针对用户需求特征制定类目、商品和场景策略，并根据商品生命周期和特性进行商品运营 4. 营销活动：基于行业发展和用户消费需求，根据大促情况追进大促商家报名以及大促完成情况
负责政企专有云平台的安全体系建设与日常运营，统筹云内安全产品运维、云外安全设备管理及合规评测全流程，保障平台安全稳定运行。该岗位需驻场客户现场，作为平台安全的第一责任人，在高压环境下独立推进安全运营工作，并通过业务梳理与AI工具应用持续提升安全运营效率。 一、云平台安全产品运营 负责云平台内置安全产品的部署、配置、策略优化及日常运维，包括但不限于云盾（DDoS防护/主机安全）、Web应用防火墙（WAF）、安骑士（主机入侵检测与基线核查）、加密机（密钥管理与数据加密服务）等。定期审视安全策略有效性，结合业务变化动态调整防护规则，确保安全能力与业务需求匹配。对安全告警进行分级处置，建立从告警发现、研判分析到闭环处置的标准化流程，持续降低误报率并提升威胁响应时效。 二、云外安全设备管理 负责传统安全设备的运维与策略管理，包括下一代防火墙四至七层访问控制规则的规划、配置与审计，IPS/IDS入侵防御系统的特征库更新与自定义规则调优，API安全网关的检测策略配置与异常流量分析等。定期开展安全设备健康巡检与性能评估，推动老旧设备迭代替换方案落地。配合网络团队完成安全域划分、边界隔离及跨域访问管控，确保纵深防御体系完整有效。 三、大型系统与网络安全维护 承担平台整体安全架构的日常维护与应急响应，覆盖操作系统加固、中间件安全配置、数据库访问审计、容器运行时安全等多个层面。参与重大变更的安全评审，对高风险操作制定回退预案并全程监护。主导或参与安全事件的调查溯源，输出根因分析报告并推动整改措施落地。建立安全知识库与应急预案体系，定期组织攻防演练与安全培训，提升团队整体安全实战能力。 四、合规评测全流程支撑 作为平台侧合规对接人，统筹推进等级保护测评（三级及以上）、商用密码应用安全性评估（密评）、安全审计评测等合规认证工作。熟悉各类评测的标准要求、测评流程及材料准备规范，能够独立完成差距分析、整改方案制定、证据材料整理及现场测评配合。推动合规检查项的自动化采集与归档能力建设，将周期性合规验证从人工逐项核对升级为系统化、可持续的自动化合规运营。 五、AI驱动的安全运营提效 主动梳理安全运营中的重复性、高耗时业务场景（如告警研判、日志分析、合规材料生成、策略巡检等），沉淀为可结构化的业务知识。探索并落地AI工具在安全运营中的应用，例如利用大模型辅助告警分类与威胁情报关联分析、自动生成合规报告初稿、智能化策略推荐等，切实提升个人及团队的工作效能。持续关注AI安全领域的新技术与新方法，推动安全运营能力的持续进化。
1. 日常技术服务：用云技术支持、故障应急、用云需求承接与产品缺陷跟进等，保障客户日常用云诉求闭环。 2. 专家服务：以项目的形式提供制承接诸如容灾演练、成本治理、大促保障等专项服务，保障用户重大项目落地。 3. 能力沉淀：沉淀用云最佳实践与方法论，面向客户进行介绍推广，提升其用云能力。通过产研协同，提升云产品能力提升。 4. AI服务：承接大模型相关场景的稳定性与专家服务，沉淀相应交付经验。
Key Responsibilities 主要职责 Responsible for the on-site implementation, deployment debugging, functional optimization, and user training of the WMS and WCS system to ensure stable go-live and efficient operation. 负责 WMS、WCS 系统的现场实施、部署调试、功能优化及用户培训工作，确保系统稳定上线与高效运行。 Participate in WMS and WCS system requirement research and solution design; perform core module development, coding, and unit testing based on the Java technology stack. 参与 WMS、WCS 系统需求调研、方案设计，基于 Java 技术栈进行核心模块开发、代码编写与单元测试。 Troubleshoot and resolve technical faults during system implementation and operation, provide on-site technical support, and ensure on-time project delivery. 排查解决系统实施及运行过程中的技术故障，提供现场技术支持，保障项目按时交付。 Write implementation documents, operation manuals, and troubleshooting guides; accumulate and document project technical experience. 编写实施文档、操作手册、故障处理手册等，沉淀项目技术经验。 Liaise with clients and internal R&D teams, synchronize requirement changes and technical issues, and drive solution optimization and iteration. 对接客户与内部研发团队，同步需求变更与技术问题，推动方案优化迭代。 Act as a technical bridge, coordinating with electrical control and mechanical teams as well as the software development team to ensure efficient integration and collaborative operation between the electrical control system and the software scheduling platform. 作为技术桥梁，协同电控、机械团队与软件开发团队，确保电控系统与软件调度平台的高效集成与协同运作。 Participate in the application and optimization of logistics scheduling algorithms to improve warehouse operational efficiency. 参与物流调度算法的应用与优化，提升仓储运作效率。
1. Reward / Rubric 设计：和领域专家一起把领域专业判断（漏洞是否成立、时序是否收敛、回答是否可用等）拆成可自动化验证的评分规则，覆盖硬验证（工具退出码 / 规则）+ 数值指标 + milestone + LLM judge 的多层组合；根据任务特性选择合适的奖励形态——dense reward（过程 / 分步奖励）、sparse reward（结果奖励）、process / outcome reward、reward shaping 与多目标加权，设计可训练、抗 hacking 的奖励信号。 2. RLVR / RLHF 训练落地与反查：用设计出的 reward / rubric 真实训练模型（SFT / GRPO / DPO / RLVR / RLHF），独立跑通训练闭环，从训练曲线与 benchmark 结果反查 reward 与数据的问题，形成"设计 → 训练 → 反查"迭代闭环。 3. Reward Hacking 识别与改正：识别评分规则里可能被模型钻空子的路径，定位训练中出现的 hacking 现象并改正规则 / reward，对已上线 rubric 做持续 hacking 检测与规则加固。 4. RL 数据筛选与领域标注转化：对海量候选数据做面向 RL 的精筛，识别"表面合理但实际错误"、难度合适、覆盖度合理的样本，设计筛选阈值与采样策略，平衡数据规模与质量；把领域标注标准与规范转成 reward 计算逻辑与训练样本，与专家共同定义黄金集与奖励信号。 5. 效果验收：持续跟踪 rubric / reward 上线后对训练效果的实际提升，输出版本管理与效果对比报告，给出下一版迭代方向。
1. 千问 C 端数据体系设计与 Bad Case 挖掘：针对千问 C 端多种真实使用场景（日常问答、对话/多轮、办公类任务、开放性问题、安全对齐等）做结构化拆解（意图分类、场景分级、任务原子化），设计可复用的任务模板与数据构造方式；从线上真实对话与模型 rollout 中系统性发现 bad case（回答错误、意图误判、答非所问、拒答过度、多轮体验断裂、安全对齐问题等），做根因分类并输出结构化改进清单，驱动数据补充与评测修正。 2. 用户意图识别与问答/开放性问题分析：对 C 端多样化、口语化、含糊或多意图的真实 query 做意图拆解与分类，还原用户真实诉求，沉淀可复用的意图体系；覆盖高频日常问答（生活/办公/学习/常识/信息查询）分析回答的准确性、有用性与完整性；针对无标准答案的开放性问题（观点表达、创作、多轮探讨、复杂推理）设计可评价的质量维度，把主观判断拆成可校验、可自动化的子问题。 3. 大模型行为轨迹生产与激励标注、Rubric 共建：驱动大模型在真实 C 端场景中产出推理与操作轨迹，设计多阶段过程激励（Process Reward）与结果激励（Outcome Reward）标注方案；与 Rubric 团队一起把主观体验类判断（回答质量、有用性、安全性、意图满足度）拆成可自动化验证的评分规则，识别本方向 rubric 的领先能力点，将数据转化为可用于 SFT / DPO / RLHF 的高质量训练样本。 4. 外部专家与标注生态管理：负责外部专家 / BPO 众包的需求定义、标注规范撰写、任务分发、试标校准、答疑、抽检验收与分歧仲裁，通过流程、模板与工具优化持续提升人效与标注质量、降低单位成本，构建"内部研发 + 外部众包"的双轮驱动数据管线。 5. 与模型团队协同推进：作为数据侧对接人，与产品、算法、评测团队深度协作，读得懂千问 C 相关 benchmark 与线上指标，参与能力评测集设计、数据配比与训练策略制定，定位模型能力短板并反推所需数据，推动"数据 → 模型 → 评测"闭环。
1. 数据链路搭建与治理：搭建端到端的数据处理链路（采集 → 清洗 → 加工 → 挖掘 → 增广 → 质量校验 → 筛选 → 输出），对接线上 rollout 产生的原始数据（轨迹、日志、执行结果、用户反馈），保证数据可追溯（血缘管理）、可复现（版本管理）、可观测（关键指标监控）。 2. 数据清洗、加工与质量校验：对海量原始 / 脏数据做去重、去噪、过滤无效样本、格式规整、脱敏与结构化，并做二次加工（改写、结构补全、难度分级、标签规范化）；建立质量校验机制（规则质检 + 模型质检 + 双标一致性 + 金标抽检），系统性检测脏数据、偏见与分布异常，保证出库数据质量可量化、可迭代。 3. 日志与 Rollout 轨迹分析处理：对模型运行日志、工具调用日志、系统日志做解析、清洗、结构化，从噪声中抽取可用信号；对模型多步执行轨迹做逐步解析与标注（正确性 / 必要性 / 思考质量 / 整体 reward），识别冗余操作、隐性副作用与轨迹异常。 4. Bad Case 分析挖掘与高价值样本挖掘：系统性发现 bad case（执行失败、输出低质量、轨迹异常、用户投诉）并做根因分类（模型能力 / 数据分布 / 任务定义 / 环境依赖），输出结构化报告驱动数据补充与评测修正；从海量数据中挖掘高难度任务、罕见场景、易错 case、真实需求分布等高价值样本，建立规则 + 模型 + LLM 多信号融合的挖掘策略，并用 LLM-as-judge / 质量评分做精筛，识别"表面合理但实际错误"的样本。 5. 数据增广与合成：基于 LLM 对已有样本做变体生成、难度扩展、场景泛化，补充训练数据中的稀缺类型，并验证增广 / 合成数据质量，确保样本可直接用于训练。 6. 与算法、标注团队协同：与训练团队对齐"下一轮需要什么数据"，与标注团队对齐"什么样的数据值得标"，把数据挖掘变成模型能力提升的持续供给。
1、负责集团运营期园区项目的运营维护、改造更新、装修等工程采购工作，包括相关的设计咨询、材料/设备供应、施工、维保等； 2、根据不同业务的需求高效合规的完成采购工作，包括需求沟通、制定采购计划、供应寻源、采购策略制定、招标文件编制、商务谈判、合同文件签署、合同落地跟踪及合同履约协调等； 3、根据负责的工程类目，制定对应类目的采购管理策略及规划，完成对应类目的框架合同采购、供应商管理、框架合同管理等； 4、负责采购成本数据分析、与历史/外部数据对标，与设计、工程、成本持续优化设计要求、现场管理标准，并通过整合供应商资源、优化采购策略等实现采购效率提升； 5、与内部各协同部门的业务方、设计、成本、工程、财务等紧密配合，及时协调处理采购以及合同履约过程中的各类问题，保障项目目标的高效达成。
1.研发基于硬件可信执行环境（TEE）的机密容器与安全容器技术，构建面向云原生场景的高性能、高安全虚拟化软件栈； 2.深度参与 Kata Containers、Confidential Containers (CoCo) 等开源项目，设计并实现支持 RISC-V、ARM CCA、Intel TDX 等异构机密计算架构的安全容器运行时； 3.构建以 RISC-V CORE IP 为核心的机密计算平台，支撑主流操作系统（Linux / Android / openEuler / HarmonyOS）在安全容器环境中的部署与产品化落地； 4.集成并优化 Kubernetes 容器编排生态，实现端到端的机密工作负载调度、生命周期管理与远程证明能力； 5.参与国际 RISC-V International（RVI）基金会安全相关技术组（TG/SIG）及国内 RISC-V 产业联盟安全工作组（WG），主导或推动 RISC-V 机密计算与安全容器相关技术规范与标准制定； 6.推动玄铁处理器在机密计算领域的技术落地，引领 RISC-V 安全生态发展。
1. 负责梳理AE国家站整体经营目标和经营节奏，通过内外部的深度分析和挖掘，与公司核心部门一起制定合理并可落地的生意计划及运营方案； 2. 国家站经营分析，深度分析外部竞争环境、市场增长趋势，竞争对手特点及趋势，以及站内的经营情况，对业务整体的增长趋势做合理化测算及判断，协助管理层制定战略规划； 3. 梳理内部的实际经营数据，围绕国家经营目标和财务目标，通过不同维度和职能角色来进行目标数据的解读和拆解，在核心职能部门层面，用数据来统一大家的目标并且用不同逻辑来设定各核心部门的业务环节数据； 4. 基于经营目标和各职能部门的经营计划，制定定期追踪及回顾的流程及方案及数据看板； 5. 建立完整的业务数据预测模型及流程，并且按照月、周、天的维度进行滚动预测，不断优化整体预测的准确性及相关结果，提前预判风险； 6. 和财务一起，深入分析及挖掘损益改善方案。不断完善业务整体的OTB模型。建立比较完整的生意损益模型。
负责国际化业务风控模型的构建，智能化的解决欺诈、被盗、恶意行为、营销反作弊等风险问题，包括但不限于： 1. 深入理解国际化电商风险业务，建设深度学习、图神经网络等模型高效识别各类业务风险； 2、建设行为语义大模型，包括用户行为数据挖掘与清洗、任务微调、强化学习偏好对齐等，对各类业务风险进行高准确率、高召回率风险识别，并提供可解释的判断依据； 3. 基于业务风险目标、识别时效和成本，设计落地整体模型解决方案，达到风险、成本、体验的更优平衡。
1、IP联名设计全流程管理。 -审核并优化授权商品牌的季度/年度快消品企划案设计，包含主题概念创意、色彩体系规划、流行趋势分析及款式开发方案设计； -确保设计方向符合品牌调性与IP核心价值观，推动方案落地的可行性与商业转化效率。 2、授权商设计支持与问题解决。 -主动对接授权商的设计需求，解决设计与报审过程中的技术难点，指导授权商完成产品/包装/宣传物料设计； -提供设计规范培训，提升合作方的设计质量与合规性。 3、设计监修与修改优化。 -依据不同IP的设计规范，对商家提交的设计稿（平面/立体）进行专业审核，提出修改意见或直接参与设计优化，确保IP元素的准确性和品牌一致性； -针对样品实物（如毛绒玩具、立体造型等）进行立体形态、印刷工艺等全维度监修，降低返工风险，提升优质产品通过率。 4、原创IP图库开发与维护。 -根据IP属性及市场趋势，创作动漫、影视、综艺等主题的原创图案，设计并更新IP系列图库； -确保图库内容的版权合规性与商业延展性，为授权商提供设计素材库支持。
1、深度参与Qwen-Image基模的数据处理、交付、评测完整链路， 助力模型成为全球最领先的图像生成/编辑模型； 2、通过agent框架，建设不同场景的数据合成链路，实现垂域高质量图片数据的规模化合成； 3、数据&模型闭环迭代：基于评测反馈的短板，设计对应的专项数据集，并在训练过程中构建可观测指标，量化数据对模型能力提升的贡献，动态更新数据集，实现数据 → 模型 → 评测 → 数据的循环优化； 4、构建海量的图片检索引擎，满足垂域数据的高质量检索需求； 5、与模型团队协作，参与训练数据构造、数据反哺、短板挖掘和评测闭环建设，通过数据驱动模型能力提升，成为AI模型训练的数据核心驱动力；
1. 负责淘宝用户增长相关的产品工作，围绕省钱卡开续卡链路优化，交互样式创新等提升用户开续卡率；围绕核心券包/开卡价格/子权益玩法策略设计迭代提升业务核心目标； 2. 深入洞察手淘不同用户的需求，挖掘用户规模和质量增长机会，定制增长策略并拿到结果；使用AI Agent协同的方式，深入分析用户需求并驱动全流程自动化； 3. 通过对用户分层，需求洞察，应用至权益策略设计迭代，创造有淘宝特色的省钱卡权益玩法； 4. 协同跨部门之间的协作，推动相关团队进展，提升协作效率，完成共同目标。
1、负责项目生命周期内的各事项协调管理，落实项目执行标准，在需求高频变化的环境下保障多线并行的交付节奏和质量，处理项目运行过程中的突发问题； 2、深入了解各项目执行的差异性和痛点卡点，可分析原因、提出改进方案并落实改进，尤其关注 AI native 研发模式下流程和协作方式的适配问题； 3、对项目生命周期内不同阶段的风险具备清晰的认识及预判，及时风险前置提出有效管控措施； 4、持续总结项目实践经验，优化项目管理体系及过程改进，探索适配高频迭代节奏的项目管理方法和工具体系，提供流程、工具、方法支持，提升团队研发效率和质量； 5、负责横向专项攻坚，为项目里程碑达成，发版稳定性、组织效能、跨团队高效协同及资源集中投入等方向负责； 6、负责模型与产品 Harness 的联合设计，统筹模型训练、数据回流、评测、推理优化等多团队协作，建立项目管理机制与主动向上同步机制，确保在预期计划下拿到确定性的合作结果并持续推动产品战略目标达成。
1. 基于业务数据和风险线索开展风险评估，设计、部署短视频及直播内容安全策略，确保策略有效运行，保障平台短视频及直播内容的合规性； 2. 协同产品、数据、技术等团队，完善和优化内容风控产品链路，利用技术和数据手段驱动全链路风险治理； 3. 建立多维度情报与信息收集渠道，挖掘内容安全相关舆情，掌握相关法律法规知识，及时识别布控新增风险； 4. 整合资源，协同上下游职能团队，推动重要安全项目落地实施，实现风险控制和商业价值的平衡。
1、运用互联网思维为酒店提供经营分析、收益管理、门店运营等顾问服务； 2、负责重点客户的攻坚开发运营维护； 3、快速响应公司新产品业务的市场覆盖开拓； 4、收集市场及竞争情况,根据不同的时间制定不同的销售策略，并执行落地； 5、高星酒店的店铺运营及套餐包装。
1、负责供应链场景下的AI产品研发，设计优化供应链AI 产品，提升供应链运营效率及智能化水平； 2、负责 AI Infra 平台的 功能开发，建设提升 Agent Harness、AI Hub 的产品能力，负责关键特性的设计及交付，构建 AI 时代的技术底座； 3、参与 供应链 AI Native 仿真引擎 的 建设；
阿里云PAI团队致力于打造业界一流的一站式AI平台，拥有万卡级训练能力与超大规模异构资源调度技术，为复杂模型训练与推理任务构建坚实基座。PAI平台不仅是通义大模型研发与落地的核心基础设施，也作为公共云服务的关键载体，支撑众多行企业构建大模型核心业务。平台提供从数据标注、预处理、模型训练、推理服务到开发环境与工作流调度的全链路工程支持，全面覆盖AI项目从实验探索到规模化落地的完整价值链。作为大模型训练系统研发工程师，您将深度参与以下工作： 1. 负责PAI深度学习引擎的核心研发，重点突破MoE大规模训练、多模态（VLM/VLA）及Agentic RL（智能体强化学习）等前沿框架，覆盖Pretrain、SFT、RLHF/RLAIF等全生命周期训练任务的框架优化。 2. 针对超大规模模型负载，系统化分析训练各阶段瓶颈，通过数据加载加速、算子融合优化、通信库调优及分布式策略改进等手段，提升训练吞吐率。 3. 深入异构硬件底层，实现训练框架对多种新型加速卡的高效适配与性能调优。 4. 设计并实施超大规模训练任务的稳定性保障方案，构建高精度的故障检测与自动自愈系统；优化任务启动速度与断点续训机制，显著提升有效训练时长和任务成功率。 5. 构建智能体与环境交互的轨迹追踪系统及多种业界Benchmark适配体系，为LLM、自动驾驶、具身智能等领域提供便捷的底层基础设施支持。 6. 负责线上环境的实时监控、异常定位与性能诊断，建立快速响应机制；为头部客户提供专家级技术支持，保障平台服务的高可用性与高稳定性，助力客户业务顺利落地。
1、负责钉钉AI生态运营工作，负责联合生态的力量，推动钉钉核心AI能力（MCP、Skill、行业大模型）的规模化落地与商业化； 2、引入优质的AI原生应用和Agent产品，推动钉钉成为高价值Agent孵化、分发和交易平台，基于数据驱动决策，带动生态产品销量和客户渗透，带来商业增长； 3、将主导从伙伴的合作、产品运营、市场推广全链路工作，加速AI能力在企业级市场的价值转化。
1.负责车品重点产业带及中小商家生态的运营策略制定与执行，推动商家分层运营及商品结构优化； 2.开展商家招商与资源引入工作，通过深度行业研究建立产业带商家合作体系，提升平台GMV； 3.基于数据分析驱动品类规划与商品运营，通过选品、定价及营销策略打造爆款商品； 4.协同供应链、营销等多部门资源，设计商家成长方案并推动实施，提升商家经营效率； 5.持续跟踪行业趋势与消费者需求变化，探索新业务模式并制定针对性运营策略。
1、负责药企商家，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、负责食品/生鲜的品类运营及商品效率运营工作，通过商业化TR运营，对品类规模增长负责，对商品效率负责，对业务结果的健康度负责； 2、结合营销节奏、生鲜节令、食品趋势制定食品/生鲜的品类规划，并通过招运一体化的岗位要求，满足招商招品要求以及商品价格力要求； 3、对商品运营要有全链路运营打爆能力，跟搜推及各场域有资源沟通协调能力，促进商品效率提升及商品跃迁率，对商家要有明确性的预算把控力； 4、对商家有供应链品质及履约体验的管理和运营能力，对品质、履约、服务体验结果负责。
1. 负责淘宝小程序的日常运营工作，包括不限于用户增长、活跃度提升、功能优化等，核心为小程序的DAU目标负责； 2. 深入分析用户行为，制定并执行用户运营策略，提升用户访问活跃度，包括不限于协助与淘宝生态的深度结合、活动策划、与线下驿站结合做创新场景探索等； 3. 优化小程序功能与页面设计，提升用户操作便捷性及使用体验，负责用户反馈的收集与分析，协调产品和技术团队进行功能迭代，为产品体验负责；
1. 管理体系建设 • 标准化能力建设，负责IDC建设工程进度、质量、安全及供应商履约管理等标准化能力建设、维护及迭代。 • 根据项目实践经验，持续优化项目管理体系及过程措施。 • 识别和确定流程、组织等方面的问题，提供流程、工具、方法等方面的支持，提升项目管理效率和质量。 • 推动项目管理数字化能力及AI能力建设。 2. 项目管理 • 负责交付过程中的质量、安全、成本、风险管控，提前识别和发现潜在风险，并制定相应的解决策略，实现交付目标。 • 负责数据中心建设交付项目的节奏把控，从政府立项到完工验收移交，进行全生命周期的管理。 3. 统筹协调 • 负责管理区域内的项目交付相关团队，协调设计、成本、采购等团队，共同推进项目建设进度及质量安全目标。 • 建设期间内对接属地相关监管部门，做好属地关系维护，做好建设合规管理。
1. 客户接待：负责集团国内外重要客户的来访接待工作，包括需求评估、资源协调、内容筹备以及展厅的中英文讲解等。 2. 展厅运营：主导集团展厅的设计、建设和日常运营工作。深入了解电商、云计算及人工智能等领域，能够将最新业务进展转化为直观易懂的展示形式。 3. 活动支持：支持集团参与的展会及大型活动，包括展项统筹、视频制作等。
