共 2450 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
1. 负责廉正数据资产体系持续建设与演进，覆盖数据存储、数据挖掘、数据管理、数据服务化及治理完整链路； 2. 开发数据分析 Skill / Agent，将数据分析能力封装为可被非技术人员通过自然语言消费的智能服务； 3. 推动数据能力的服务化与产品化交付 — 统一数据管理、检索发现、洞察分析与安全流通，通过标准化 API/SDK 对内对外赋能； 4. 建设实时+离线一体化数据研发能力，包括数仓分层建模、ETL 流水线开发、特征工程链路、实时计算管道，保障数据的准确性与时效性； 5. 参与大模型与数据研发融合的 AI-Native 架构设计； 6. 独立对接业务方，从模糊需求中提炼数据方案，端到端驱动从方案设计到业务结果落地的全闭环。
1. 为淘天核心业务策略、创新商业策略建立完整、科学的指标监控、预测，评估，洞察的数据体系；能够具备建设AB实验的能力，深度参与实验设计，为业务提供策略决策依据； 2、数据驱动和结果导向，设计合适的分析和数科解决方案，利用运筹优化，博弈论，因果推断，机器学习建模等方法对手淘内各场景的有效行为提升、营销策略的建模分析与推动，实现业务增长； 3、数据产品建设，负责科学分析能力产品落地，主要包括多维分析、归因分析、智能tips等多种数据科学组件。
全面负责俄向东南亚路向跨境物流的运力采购体系搭建与航线运营管理，对运力资源、航线的经营结果承担直接责任。 核心职责： 一、运力采购与商务谈判 1）负责俄向东南亚路向航空运力资源的开发、谈判与合作落地，具备B2C/B2B多模式的航线采购经验，建立完整的运力采购体系。 2）动态跟踪航线运价及市场运力变化，监控市场运价波动（如布伦特原油指数、汇率、季节性需求等），建立市场调研机制，实时掌握行业动态，灵活调整采购策略，规避风险。 3）根据航线业务目标，结合现有路向产品及销售策略，规划航线运力资源体系，联动相关采购团队完成运力资源体系的搭建与迭代。 二、供应商（CP）全生命周期管理 1）建立严格的CP准入、考核与淘汰机制，定期复盘供应商KPI（准点率、破损率、赔付响应速度、价格竞争力、拉货率、时效稳定性、合规性），持续优化供应池。 2）对时效不稳定、合规性差的供应商执行熔断或替换机制，保障服务品质底线。 三、航线运营管理 1）全面负责指定航线的日常运营管理，包括配舱协调、舱位分配、出运保障等环节，对航线经营结果（成本、时效、装载率等）直接负责。 2）管理团队跟踪并处理运营中的异常情况（延误、丢件、口岸滞留等），确保业务连续性和客户体验。 四、应急资源与风险管控 搭建多元化运力备份体系（备选航司、备用口岸、替代路线），确保在极端天气、地缘政治冲突或口岸拥堵等突发情况下仍能保障货物出运，降低供应链中断风险。 五、数据分析与决策支持 具备较强的数据敏感度与独立分析能力，搭建数据模型，对运力成本、航线时效、供应商绩效等核心指标进行监控与分析，为采购决策和运力产品优化提供数据支撑。
全面负责拉美路向CD渠道的商务拓展与末端物流渠道管理，带领团队搭建并优化该路向的末端物流合作伙伴体系，对渠道竞争力和业务增长结果负责。 核心职责： 1、商务拓展与合作管理，管理末端物流合作伙伴关系，负责商务谈判、合同签订及市场拓展，推动业务增长； 2、对物流产品的末端竞争力负责，管理末端物流资源，支撑全链路产品产品从设计、上线、到迭代的全生命周期。 3、能对该国家的电商发展情况和跨境包裹物流产品深入了解，不断优化实操，成本，时效和体验，知己知彼，保持市场优势地位； 4、有较强的定位问题，切片分段，抓住关键问题点的能力，对支持方提出有效分析方向的能力，能产品化结构化的解决运营及单点或全局提升的能力； 5、有较强的owner意识，对于影响该路向的所有问题能发现问题，并有切实可行的落地的分析及方案，推动配合方一起拿到结果； 6、对内外合作伙伴有自己的一套运营体系和方法。
1. 校招全生命周期运营 流程统筹：独立负校招项目整体运营节奏，如春秋季校招、日常项目制校招等。 数据驱动：建立并优化校招数据看板，监控校招核心关键指标，并提供改进建议。 业务协同：作为校招接口人，对接各业务团队，与前台招聘交付团队紧密配合，共同为各业务线的校招结果负责。 外包管理：管理校招运营外包团队，对交付质量和效率负责。 2. 开源策略与渠道运营 人才Mapping：拓展并维护针对技术/AI人才的垂直招聘渠道（如GitHub、技术社区、高校实验室等），搭建并运营人才池，洞察人才市场动态，持续引入高质量人才。 高校关系：负责重点高校就业关系的建立与维护，定向挖掘优质校园人才。 大使运营：负责校园大使运营，通过校园大使网络扩大雇主品牌影响力并精准触达目标学生群体。 内推运营：持续优化内部员工内推体系，策划内推激励与运营活动，提升内推参与度与简历转化率，打造内部人才开源的核心阵地。 3. 雇主品牌活动 活动策划：配合雇主品牌团队，策划并执行落地各类校招品牌活动，包含但不限于线上空中宣讲会、线下进校宣讲/双选会、技术沙龙、Open Day等。 4. 校招系统建设 作为校招系统与业务之间的桥梁，深入挖掘校招全流程中的痛点，梳理并输出系统优化需求；协同集团产研团队，推动招聘系统的迭代升级，持续提升校招运营效率与候选人体验。
1、深度理解天猫&淘宝平台类业务模式，以及掌握对财神、汇金等结算等系统计费逻辑，并推进各团队流程梳理和规范，把控结算数据的及时性、准确性并防范资金损失的风险； 2、从数据源、流程优化、业财对接及效率提升等视角，对汇金、财鲸、AI应用等产品或方案提出切实可行优化建议，推动业财数据打通以实现账务核算系统化对接； 3、全流程参商家对账结算、BU BS余额深度清理及科目异常标准建设；对于新增业务场景设计结核算解决方案、实现资产负债表满足集团外部审计遵从要求； 4、跨团队沟通协作(如行业、业务财务、总账、税务、财资、数据技术、系统开发团队等)，解决跨域问题； 5、定期向CFO及业务反馈核算、结算等流程优化、风险管理、效率和质量有关的建议并推动落地。
ꔷ 设计可扩展的治理政策与衡量体系：基于区域法规与业务场景，构建覆盖正品保障、准时达承诺、商品质量管理、商家行为准则等核心领域的治理政策框架，并配套科学的指标体系，支撑策略迭代与效果评估。 Develop a cohesive governance policy framework—spanning authenticity guarantees, on-time delivery commitments, product quality standards, and seller conduct guidelines which grounded in regional regulatory requirements and business contexts. Establish scientific measurement framework to evaluate policy effectiveness. ꔷ 推动区域-本地政策对齐与高效落地：主导与各国本地团队的常态化对齐机制，制定差异化实施细则，在确保合规的前提下，实现治理规则在本地市场的高效、一致执行。 Drive Regional-to-Local Policy Alignment and Effective Execution—Lead a structured, ongoing collaboration mechanism with local teams across markets to develop market-specific implementation guidelines. Ensure governance policies are executed efficiently, consistently while fully complying with local regulations. ꔷ 端到端管理核心治理运营流程：全面负责风险审核、违规处置、商家申诉、赔偿发放等关键环节，持续优化流程效率，保障高准确率、高时效性及卓越的用户体验。 End-to-End Ownership of Core Governance Operations—Take full accountability for critical workflows,including risk-based listing reviews, violation enforcement, seller appeals, and compensation disbursement...continuously optimizing operational efficiency to ensure high accuracy, rapid turnaround and an exceptional user experience. ꔷ 建立反馈闭环机制，驱动策略与产品迭代：密切关注本地买家/卖家反馈及监管动态，快速识别高优风险事件，制定应对方案。持续将一线洞察反哺产品与策略团队，推动政策与平台能力持续迭代。 Establish a Closed-Loop Feedback Mechanism to Drive Policy and Product Iteration—Closely monitor buyer/seller feedback and regulatory developments in local markets. Rapidly identify high-priority risk events, formulate effective response plans. Systematically channel frontline insights to product and policy teams to drive agile,continuous iteration of governance rules and platform capabilities. ꔷ 领导跨国治理运营团队：直接管理分布于多个国家的治理运营团队，清晰设定目标、系统赋能成长、优化协同机制，打造一支高绩效、高凝聚力、可持续发展的全球化团队。 Directly lead a globally distributed governance operations team—clearly define goals, systematically empower growth, and strengthen collaboration mechanisms—to build a high performing, cohesive,and sustainable global team.
1、负责搭档团队的组织诊断与优化，制定人力资源策略以支持业务目标达成，探索AI转型，提升组织效能； 2、主导梯队建设工作，关键岗位补强，支持业务组织发展需求； 3、设计并推动绩效管理、学习发展，提升组织能力，驱动业务与团队持续成长； 4、构建和优化沟通体系，持续推动文化建设，保证组织健康。
1. 深入理解风险业务，能基于业务目标，定义和拆解核心指标，用数据来统一大家的目标，提供数据看板客观衡量目标进展，并提供关键卡点的数据分析； 2. 针对风险的影响、成本等专项提供分析支持和AB实验设计，发现关键问题/路径，帮助高效决策和协同推动； 3. 了解AI领域进展，构建风险域自动化问题发现、根因分析的AI Agent。
1. 建设国际风控数据体系，基于风控业务流程，协同产技，沉淀高质量、高可用风控公共层，助力业务防控及分析； 2. 参与国际风控业务专项，通过数据建模、归因分析等能力，助力业务高效决策； 3. 参与建设国际风控数据能力，协同算法&产技&运营，挖掘数据价值，打造多场景风控数据解决方案，提升防控水位。
1、面向阿里云混合云用户，提供大模型、算力、云平台的技术支持，了解阿里专有云的产品功能，数据中心、服务器、网络配置，并完成对客户的技术输出和答疑； 2、了解阿里云的专有云交付实施规划方案，对阿里专有云的云平台、云产品组件有一定的了解，能够对这些产品有基本的技术认知； 3、确保重大项目的技术可行性、推进项目交付实施、并且形成可复制的案例和通用的解决方案，把握技术变革方向，能够作为云技术专家来引导客户做技术的变革； 4、协调阿里云各部门、领域相关资源, 为用户提供能交付、可运维的云平台交付实施方案。
1. 产品线能力建设：负责相关安全产品的规划，核心业务逻辑构建，用户运营流设计；对相关安全核心能力进行抽象和建设，集合AI能力，构建具备行业领先水平的安全产品/解决方案。不限于以下风险域： ○ 风险事件审核，供应商管理 ○ 行为风控：如账号安全、活动反作弊、渠道拉新反作弊 ○ 商品内容安全 ○ 物流&基础安全 ○ 业务合规 2. 产品交付： ○ 将产品解决方案，系统化的交付给AIDC各个BU进行使用，确保上线流程规范，培训到位，能够解决实际的业务问题
1. 负责高德打车区域/城市的增长运营工作，主导核心业务目标的制定、拆解与落地执行，通过供需策略设计、资源优化配置等手段，推动业务持续增长； 2. 制定所负责区域的短/中/长期业务规划，对区域内用户的新增、留存、活跃度、使用频次等核心指标负责； 3. 深入挖掘用户核心需求与出行习惯，结合数据分析、竞品洞察及城市特性，输出可落地的策略建议并推动实施； 4. 深度参与 AI Native 团队构建，运用结构化 Prompt、工具调用编排、回归验证等工程方法，将运营经验编码为可复用的 AI 基础设施，推动业务流的 AI 原生重构。
1、负责与主管部门和执法单位合作，通过联动化解平台重大事件风险； 2、了解行业发展趋势，做好主管部门的要求解读、传达，积极响应同时探索开展正向合作； 3、了解互联网平台的安全体系建设，有较强的风险意识，提出解决商业安全风险的对策和方法。
1、节日营销策划：基于业务战略、用户洞察、商家生意等，挖掘节日及热点场景下营销机会，结合礼赠/出游等消费动机，协同行业及横向团队，锁定商家优质供给，产出营销全案，能高效统筹落地，并能为生意结果负责； 2、大促整合营销：618、双11等平台核心大促，基于市场机会和大盘表现，策划整合营销项目，组织线上线下联合营销事件； 3、全域导购分发：负责节日/应季等特色供给的导购分发，针对站内外不同通道，输出差异化打法，协同内外快速高效准确落地。
1、 与业务、产品共创需求，将业务诉求拆解为可落地的技术方案，明确目标、边界与验收标准。 2、负责 AI 模型的打包、测试与部署；基于大模型开发面向电商场景的应用，包括但不限于智能知识库、客服辅助助手、数据分析助手等； 3、在 Prompt Engineering / RAG / Agent / 微调等方案间做技术选型，设计端到端应用架构（含上下文管理、工具调用、记忆机制、安全策略），完成生产级交付。 4、跟踪 AI 功能上线效果，建立数据闭环，基于业务反馈持续迭代优化模型与方案。
Analytics & Reporting • Build and maintain dashboards, regular reports, and automated bots that support business teams across the full range — from top-management strategic direction down to day-to-day ground operations • Monitor key metrics, alert the business to potential issues, and proactively spot risks and growth opportunities • Ensure data is accurate and consistent across all dashboards, reports, and analysis • Run daily, weekly, and monthly performance analysis to track business health and find opportunities Business Partnership & Strategic Support • Work closely with business leaders and teams, providing analysis that supports key decisions and target achievement • Provide analysis and recommendations that help shape and steer business decisions on strategies, initiatives, and other key priorities • Track how strategies and key initiatives are performing, and surface insights on top-priority business topics • Contribute to cross-functional projects and business programs • Turn data findings into clear business language — explain what is happening, why it matters, and what to do next AI & Innovation • Actively use AI tools in daily work to improve productivity, automate repetitive tasks, and enhance output quality • Revamp and improve existing dashboards and reports to be AI-enabled and user-friendly • Build automated reporting bots and AI-assisted analytical solutions • Stay current with AI developments relevant to business analytics and apply them to work On-Demand Support & Collaboration • Provide on-demand data support and analysis as business needs arise • Collaborate with cross-functional stakeholders to understand their needs and deliver end-to-end analysis, from data gathering to presentation • Communicate with data and tech teams to turn business needs into data solutions
1. 建设灵骏集群监管控系统核心能力，不断提升客户在云上使用灵骏智算集群产品的自动化、智能化程度。 2. 建设满足业务场景和数据合规要求的智算集群库存管理体系，结合节点调度、性能分析、故障自动化处理、租户运维功能等核心体系能力，持续提升灵骏智算集群产品竞争力。 3. 建设智算集群和管控系统自身高可用体系，如智算集群健康检测、节点与集群异常快速处置体系、管控组件故障自动定位、自动恢复、自适应容灾、云原生技术实施及落地等，保障业务持续可用、保障线上系统稳定性。 4. 建设异构算力统一管理及资源调度系统，持续智算集群资源利用率、降低计算成本。 5. 持续跟踪AI智算、云原生及智能运维领域新技术，结合业务场景进行创新。 6. 该职位涉及值班响应的职责，在服务级别协议（SLA）时间内做出对客响应，推动客户问题的解决，改善客户体验。
1.面向AI native，负责IDC领域端（方舱/设备）、边（园区/楼）、云（全球）协同的智能化系统架构升级、产品和技术演进的整体规划，实现IDC业务auto pilot。 2.负责端侧监控体系建设和智能化能力升级的研发和推广，实现方舱/设备的自发现、自接入、自调试、自验证、自诊断、… …。 3.负责边和云侧监控能力升级和全面智能化的研发和推广；实现和端侧能力的协同，构建可见、可信的智能化监控体系。 4.负责IDC数字孪生应用规划和创新研发；包括模型的搭建，故障预测等算法的开发、推广和运营，提升IDC稳定性和能效。 5.负责制定并推广IDC智能化系统全产品、全流程涉及的技术规范，对研发的产品质量负责。
根据AE拉新分国家消费者需求特征，制定用户侧商品的运营策略及落地执行： 1. 商品策略制定：分国别针对用户需求特征制定商品品类计划策略，根据商品生命周期和特性进行商品分层运营，为用户转化负责； 2. 垂类用户运营：根据不同品类/货盘，制定差异化用户分层方案，匹配相应的权益模式，制定不同商品透出规则，助力垂类用户增长； 3. 商品协同：与供给侧货品运营形成协作，制定商品价格力标准，锁定商家在用户侧投入。
1、负责搭档团队的组织诊断与优化，制定人力资源策略以支持业务目标达成，探索AI转型，提升组织效能； 2、主导梯队建设工作，关键岗位补强，支持业务组织发展需求； 3、设计并推动绩效管理、学习发展，提升组织能力，驱动业务与团队持续成长； 4、构建和优化沟通体系，持续推动文化建设，保证组织健康。
职位描述我们正在寻找一位具备 AI 应用工程化能力的前端开发工程师。你将参与将 AI 能力深度融入跨境电商核心链路，打造面向全球买卖家的智能化产品体验。这是一个技术与业务并重的角色——既需要扎实的前端工程功底，也需要对 AI 应用场景有敏锐的产品直觉。 岗位职责 1. 负责 AI MODE 前端架构设计与核心模块开发，将大模型能力融入跨境电商核心场景，驱动买卖家侧产品体验升级。 2. 主导前端技术方案设计，包括 AI 交互组件体系搭建、流式对话渲染引擎、多模态内容展示框架、以及复杂数据可视化场景的落地。 3. 与算法、后端、产品团队紧密协作，定义 AI 能力的端侧交互范式，推动 AI 功能从"可用"到"好用"的体验跃迁。 4. 负责前端性能优化与工程质量体系建设，保障大规模全球化场景下的稳定性、可访问性和国际化体验。
职位简介 我们正在寻找对引擎技术有深入理解和实践经验的工程师，参与构建和优化面向海量用户的核心搜索推荐系统。该岗位将深度参与搜推引擎全链路的技术研发，涵盖查询理解、召回、排序、索引等核心模块。 岗位职责 1. 搜推全链路研发：负责搜推引擎核心模块的设计与开发，包括但不限于 Query 理解、召回策略、排序模型、索引构建与优化等环节，持续优化搜索效果与系统性能。 2. 策略与算法迭代：与算法团队紧密配合，将 NLP、深度学习等前沿技术落地到搜推场景中，提升相关性、时效性、多样性等核心指标。 3. 系统架构设计：参与引擎分布式架构的设计与优化，保障系统在高并发、大数据量场景下的稳定性、低延迟和高吞吐。 4. 数据驱动优化：建立搜推质量评估体系，通过数据分析和用户反馈驱动策略的持续迭代，量化优化效果。 5. 技术前沿探索：跟踪搜索、推荐、大模型领域的最新技术趋势，探索 LLM 在搜索中的应用（如 query 改写、语义检索、生成式搜索等），推动技术创新与业务价值转化。
负责 AI Mode 核心业务场景的 AI 能力构建与落地，将大模型技术（LLM）转化为可量化、可评估的业务生产力。你既是 Agent 系统的架构师，也是业务逻辑的重构者。岗位职责 1. Agent 系统开发与编排 基于 Accio Work / AI Mode 框架，设计并开发具备自主决策能力的 Multi-Agent 协作系统 负责 Agent 核心链路建设，包括意图识别、任务规划（Planning）、工具调用（Function Calling / MCP）及多轮对话管理 将复杂业务问题拆解为 L3-L4 级可执行的 Agentic Workflow 2. AI 应用开发与效果调优 掌握 RAG（检索增强生成）架构，构建面向业务场景的知识库与召回策略 通过 Prompt Engineering、模型路由（大模型打标 + 小模型执行）等手段，持续优化模型表现 将 AI 幻觉率控制在业务可接受范围（≤5%），任务完成率提升至 90% 以上 3. 评测体系建设与业务价值验证 搭建基于真实业务 Query 的 Benchmark 评测集，建立可量化的模型效果评估体系 主导 AB 实验设计，确保 AI 功能上线后核心业务指标实现置信增长（P < 0.05） 对负责场景的 Token 效能比负责，实现单位计算成本节降 ≥ 20% 4. 业务流程自动化与决策提效 将负责业务域中 50% 以上的重复性决策交由 Agent 托管 利用 AI 解决数据归因与取数痛点，将决策支持响应时间从“天级”缩短为“分钟级” 沉淀可复用的 Skill 与工作流方法论，带动团队 AI 工具采纳率提升
1. 负责1688 SKA大客运营管理，搭建客户分层运营体系，通过数据分析挖掘客户需求，设计大客年框合作方案并落地服务交付，提升SKA大客商业化营收及持续稳定合作； 2. 基于客户业务目标，整合站内外资源为SKA大客提供定制化全域营销解决方案，包括但不限于品牌曝光、效果广告、内容营销等，助力SKA大客生意增长； 3. 深耕消费品垂直行业（包括不限于办公文化、日用餐厨饮具、收纳清洁、居家日用品、宠物、餐饮、食品酒水、男装、女装、童装等），洞察行业趋势及客户痛点，沉淀行业运营方法论及输出行业运营资产，包括但不限于行业白皮书、标杆等；并能深入行业核心产业带主导行业沙龙等活动，提升SKA大客产业带商圈影响力； 4. 跨团队协同产技/中台/销售等，推动SKA大客业务规则机制、服务SOP、产品方案等持续升级，提升运营效率助力业务目标达成； 5. 主导AI技术在业务场景的创新落地，能通过AI解决方案帮助商家实现效率提升与生意增长，内部搭建智能化运营体系提升人效，并向产技及中台反哺业务洞察，推动AI能力的标准化与规模化复用；
1.负责集团AIAgent安全体系的建设，基于安全态势，规划、建设AI&Agent安全管理体系，包括：安全策略、安全体系架构设计、风险分析及安全方案等； 2.深入理解集团业务、流程、数据流、系统架构、网络架构，能够从安全视角发现潜在风险，建设Agent安全解决方案； 3.参与AIAgent安全产品需求调研、功能评审、代码评审，对产品进行安全性测试，推动安全产品上线和迭代优化； 4.负责AIAgent安全事件应急处置，通过问题分析，发现安全风险，制定安全改进方案，推动落地执行；
1. 围绕用户互动产品的场景制定分析框架，建设和迭代指标体系，形成体系化的日常业绩追踪机制，并推进数据监控 看板/数据产品的建设； 2. 负责用户互动侧产品方向重要AB实验的方案设计，过程跟进，以及产出策略优化建议； 3. 负责用户互动侧产品方向的数据分析工作（如淘金币），识别并洞察问题、提出建议、支持业务策略落地； 4. 主动发现问题和业务痛点，独立承接用户互动侧产品相关的研究洞察专题、短中长期可落地的解决方案；
1. 合版核心算法研究：探索 On-policy Distillation、知识融合等先进技术，研究更优的 SFT Objective，实现多能力模型的高效合版，最大程度减少能力冲突与遗忘。 2. 数据策略与冲突消解：深入分析不同能力域的数据配比，建立系统化的冲突检测与消解机制，制定科学的合版数据策略，保障模型在各项能力上的均衡与稳定。 3. 合版评测体系建设：设计并推进高效、快速的合版评测方案，构建覆盖多维能力的自动化评测 Pipeline，实现合版效果的快速迭代与精准度量。 4. 合版链路自动化：推动合版全流程的工程化与自动化，包括训练、评测、对比分析、版本管理等环节，提升模型交付的效率与可靠性。 5. 前沿技术追踪与落地：持续关注模型融合、蒸馏、多任务学习等领域的前沿进展，将有效方法快速验证并落地到Qwen的合版实践中。
1. 负责设计和落地Session实时意图感知的AI导购方案，包括但不限于用户多模态异构行为序列的意图分析能力、推理能力、大模型在线推理加速能力，实现不同需求状态下的最优决策学习，提升大模型推词体验和效率。 2. 深入理解电商用户需求，负责通过定义分类目决策属性、构建多模态商品理解知识库、建设个性化AI对比总结能力等方式，提升用户在实际购物过程中多商品对比挑选决策效率，打造标品和非标品下的购物指南体验。 3. 持续跟进LLM/MLLM方向的前沿进展，将各方向的SOTA能力集成到模型底座上，提升下游任务效果，打造团队的技术先进性。
我们要寻找一位对数据安全和人工智能充满热情的大模型应用算法工程师加入我们的团队。在这里，你将加入一个充满热情的技术团队，参与构建智能化的数据安全防护体系，利用前沿的机器学习与数据挖掘技术，探索大模型在数据安全领域的深度应用。 具体职责包括但不限于： ● 大模型微调与实战 参与开源大模型的后训练（SFT、RL）与效果调优；针对具体的数据安全场景（如敏感词识别、API 风险检测），优化模型推理效果与性能。 ● 数据处理与工程化 参与高质量训练数据集的构建，编写自动化脚本进行数据清洗、增强与合成（Synthetic Data）；协助解决模型部署中的工程问题，提升服务稳定性。 ● 算法落地与迭代 利用 NLP 技术（如 NER 实体识别、文本分类）解决实际业务中的隐私保护问题；持续跟踪测试最新的 RAG、Agent 技术，并在业务中尝试落地。 ● 前沿技术复现 跟踪学界/业界在 LLM 与安全结合领域的最新论文与技术报告，快速复现并验证其在内部场景的有效性。
