alibaba
Open positions
数据技术及产品部-数据研发工程师-数据资产 / LLM Agent 方向
1. 数据资产体系建设：负责域外数据、位置数据、企业数据三大场景的智能化升级，设计并实现从数据采集、治理到服务化的完整链路，推动团队从传统"数据供应"模式向"智能能力输出"转型，直接支撑经营控比、采购数据验收、AI-Native 产品等核心业务场景。 2. AI-Native 架构从 0 到 1 建设：参与大模型与数据研发融合的架构设计，负责 LLM Agent 任务编排、多轮上下文管理、Human-in-the-Loop…
数据技术及产品部-大模型数据质量工程师（训练数据准入方向）-北京杭州
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.…
阿里控股-AI算法工程师-AI数据资产
1. 负责大模型训练数据资产的质量评估与分析建设，围绕文本、多模态等数据建立清洗、去重、完整性校验、质量分级等能力，提升数据可用性与训练收益。 2. 负责数据资产标签体系、分类分级体系及质量评估模型建设，支持数据资产的盘点、洞察、管理与复用。 3. 基于向量检索、语义匹配、聚类分析等技术，建设数据资产的语义索引、检索发现与相似性分析能力。 4.…
数据技术及产品部-AI数据处理工程师-数据工程
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；…
阿里云智能-AI Agent 高级研发工程师-杭州
2.1 负责可观测领域 AI Agent 的核心架构设计与研发。构建具备分层规划、工具调用与自验证能力的自主运维系统，解决复杂混合环境下的故障诊断与处置问题。 2.2 负责云监控系统自身诊断场景的 Agent 落地。将运维标准操作程序与排查经验转化为可复用的工具链，开发高可用、高并发的执行引擎，完成从意图理解到操作执行的工程闭环。 2.3 建设 Agent…
阿里国际-高级 AI 数据专家（Context Infra）-杭州
部门介绍： 我们是一支全球化、多元化的数据团队，服务全球 20 亿消费者与数千万商家，每天处理覆盖东南亚、欧洲、美洲等多时区的数据洪流。在多语言、多文化、多法规的复杂场景中，构建面向 AI 原生的数据与语义底座，让业务事实被 AI 正确理解、让数据价值被业务有效调用。 职位描述 1. 构建面向 AI 智能体可理解的 Context 知识工程：以业务建模、本体设计（对象/属性/关系）和确定性知识图谱 pipeline（schema…
千问事业部-多模态算法专家-广州/杭州
1、优化任务规划、工具调用、多轮交互和上下文管理，沉淀可复用 Skill，提升任务完成率与稳定性； 2、开展图像增强、调色、分割、抠图、超分等算法的优化与调优； 3、优化意图分流、内容理解、指令解析及工具调用等能力，服务各类 Agent； 4、围绕人像、风景及图像编辑能力开展微调，提升效果、指令遵循和内容保真； 5、基于真实需求与失败案例构建数据和评测体系，兼顾效果、时延与成本，推动线上落地。 1、具备扎实的机器学习基础，熟练使用…
阿里云智能-AI应用研发工程师（金融智能体）-新金融行业线（北京/杭州）
1.深入理解信贷、风控、财富、客服等至少一条金融业务线，与产品经理、业务方共创智能体落地场景，输出可执行的技术方案。 2.负责智能体核心能力开发，包括 prompt 设计、RAG 知识库构建、工具接口封装、多轮对话流程编排及异常兜底策略。 3.对接金融核心系统与数据中台，完成智能体与现有业务平台的安全、稳定集成，保障数据合规与资金安全。 4.建立智能体效果评估体系，持续追踪准确率、转化率、用户满意度等关键指标，并基于反馈迭代优化。…
阿里国际-AI数据工程师（商品）-杭州
岗位简介 驱动阿里国际数字商业（AIDC）业务增长，以AI时代的数据工程方法论构建分国家数据运营资产体系，打造面向智能体的数据供给能力，让数据从"管道搬运"进化为"价值驱动"的核心引擎。 岗位职责 1. 构建AIDC分国家商品数据运营资产体系，参与企业级 Data Agent 建设，深度融合大模型与业务数据，打造智能决策中枢，驱动数据从成本中心向价值引擎跃迁； 2.…
阿里国际-AI数据工程师-杭州
团队介绍：我们是一支全球化、多元化、专业化的数据先锋团队，以技术为引擎，以数据为纽带，驱动全球20亿消费者与数千万商家的数字化商业生态。立足中国，服务全球，每天处理覆盖东南亚、欧洲、美洲等多时区的跨境数据洪流，在多语言、多文化、多法规的复杂场景中，打造“数据&AI技术驱动业务”的全球化数据中台。 数据在国际化场景真正成为业务发展的引擎，数据团队成员有数据工程师、研发工程师、数据科学家和算法同学。…
高德-AI Agent Tech Lead-Agent
1.技术战略与路线决策 (Technical Strategy & Roadmap) 定义 Agentic AI 业务的整体技术演进路线，对技术选型的前瞻性与落地性同时负责。 主导核心技术路线的战略级取舍，避免因归因错误导致的规模化资源浪费。 与业务及产品负责人共同定义技术目标与节奏，确保投入与业务北极星指标强对齐。 2.Agent 质量体系与评测飞轮 (Quality System & Eval Flywheel) 对线上…
高德-打车算法专家/高级算法工程师-营销/推荐/大模型
业务丰富，技术领先高德打车算法团队深度赋能打车业务全链路，涵盖 用户增长、风控、服务管控、路线与上下车点推荐、ETA 预估、智能客服 等核心场景。多样化的业务挑战为算法创新提供了广阔的发挥空间，团队已在 AI 顶级会议发表成果。 持续成长，共享共进团队每周固定进行技术分享，氛围开放、互助友好；除了解答算法与工程难题，资深同事还会分享项目经验，并传授业务理解与问题解决的方法论，助你快速成长。…
晓天衡宇-大模型标注评测工程师-泛领域
1. 负责包括但不局限于人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检工作；与算法及产品团队协作，理解 RM 训练和 rollout 打分的数据诉求，交付满足研发需求的高质量数据。 2. 设计并落地覆盖办公生产力（文档、PPT、Excel）和电商运营场景的标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。 3.…
晓天衡宇-大模型标注评测工程师-金融/法律/医疗
1. 负责金融 / 法律 / 医疗方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检工作；与算法及产品团队协作，理解 RM 训练和 rollout 打分的数据诉求，交付满足研发需求的高质量数据。 2. 设计并落地覆盖金融分析、法律合规、医疗问答等场景的标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。 3. 统筹本方向的评测方案与数据生产方案，为 rubric…
阿里云智能-终端智能创新业务 端侧语音推理引擎专家-杭州/北京/深圳
1. 负责语音识别（ASR）核心算法研究与推理引擎开发，对 Conformer、RNN-T、Whisper 等主流架构进行性能优化，覆盖实时转写、离线识别、多语种、强噪声等复杂场景； 2. 负责语音合成（TTS）声学模型与声码器算法研究，对 VITS、NaturalSpeech、CosyVoice 等架构进行优化，提升合成语音的自然度、表现力与推理速度，支撑多发音人、多语种、情感风格可控合成等场景落地； 3.…
ATH事业群-AI Agent SRE专家-MaaS应用运维
1. 负责 AI Agent以及平台的可用性、性能与容量保障，设计并落地 SLO/SLI/Error Budget 体系，建设全链路可观测性与限流熔断、灰度发布、快速回滚等容灾能力 2. 负责 Agent 执行基础设施的可靠性保障：代码执行沙箱、工具调用网关、会话与状态存储等的资源隔离、弹性伸缩、性能优化与容量规划 3. 负责云资源运维（K8s 集群、存储、网络等），保障弹性伸缩与配额安全，建设资源利用率与成本可观测体系，推动…
阿里云智能-AI应用研发工程师（金融智能体）-新金融行业线（杭州）
1.数据科学 Agent 研发：负责面向金融行业的数据科学智能体研发，通过自然语言对话自主完成数据探索、特征挖掘、模型训练到成果交付的建模全流程，推理过程、工具调用与结果产出全程可见、可控、可追溯。 2.AI 重构的金融数据建模平台：负责「数据 → 特征 → 模型 → 场景」全链路建模平台建设，用大模型重构传统建模工作方式，包括智能特征生成与筛选、AI 辅助金融建模、模型评估与诊断自动化，缩短金融模型研发周期。…
企业智能事业部-AI应用研发工程师-杭州
1.负责数字办公领域音视频、云打印等 AIOps 方向产品与平台能力建设，同时参与 IT 智能柜、机器人配送等智能办公基础设施的研发与落地； 2.负责研究新技术，将新技术引入到产品之中，提升产品质量和系统性能； 3.深入业务一线，洞察并抽象业务核心需求，持续挖掘 AI 赋能场景，推动方案从需求分析、技术设计到落地验证的全链路闭环，创造可量化、可感知的业务价值； 4.基于工程化实践，编排与集成 LLM 及其他 AI…