阿里巴巴阿里控股-大模型分析与数据策略专家-杭州/北京

1.基于模型内部评测和错误案例，系统性分析模型能力边界和短板；建立能力拆解框架（如代码生成可拆分为理解、规划、实现、调试等子能力） 2.主导高质量数据的获取、清洗、增强和验证；探索先进的数据合成技术（如基于强模型的蒸馏、多智能体协作生成）。 3.设计小规模实验验证数据有效性，建立数据-效果关联分析机制，量化数据投入产出比。

1. 负责大模型的高质量的数据构造工作，主要在code、Agentic等垂域数据任务 2. 大规模数据解析、清洗、去重，以及数据生成/合成等工作，覆盖GitHub、代码镜像、内部代码库等。 3. 设计并实现面向 Agent 轨迹采集的沙盒环境，支持工具调用（Function Call）、多步规划、环境交互等行为记录。 4. 构建 Agentic 任务的数据标注规范和质量评估框架，包括轨迹合法性校验、奖励建模所需的偏好数据构造

1. 从模型迭代目标出发，设计覆盖全面、层次清晰的评测体系；明确各维度评测的考核重点和难度梯度。 2. 自主构建高质量评测数据集，包括题目设计、标准答案制定、评测逻辑实现；确保题目区分度、公平性和防污染性。 3. 基于Benchmark结果，为模型团队提供清晰的能力雷达图、短板分析和优化优先级建议。 4. 探索更科学的评测指标、更高效的评测方法。

利用生成式人工智能（GenAI）重塑组织发展与人力资源的底层引擎，你将负责构建基于大模型的人力资源系统，通过 Agent 架构实现复杂 HR 业务流程的自动化与智能化。 1）HR 领域大模型研发： i)主导针对 HR 场景的 LLM 持续预训练与监督微调，提升模型对行业术语、职业技能、组织架构及职场逻辑的深度理解。 ii)设计并优化对齐策略，确保模型输出符合企业文化偏好、职业道德规范及劳动法律合规性。 2）下一代 Agent 架构设计与实现： i)构建面向 HR 复杂任务的 系统，利用思维链、自反思及工具调用技术，实现从需求分析、人才寻访、自动邀约到面试评估的闭环自动化。 ii)解决长流程 Agent 在 HR 场景中的稳定性、幻觉控制及任务编排优化问题。 3）深度语义匹配与人才评估： i)突破传统的双塔架构，利用 LLM 的 Zero-shot/Few-shot 能力重构人岗匹配模型，实现对候选人“软性技能”、“潜力”及“文化契合度”的量化评估。 ii)研发基于多模态技术的智能面试官系统，对面试过程中的文本、音频、行为数据进行深度解析与评价。 4）知识驱动的 RAG 系统优化： i)构建企业级人才与组织知识图谱，并将其与 RAG（检索增强生成）深度结合，实现对企业规章、岗位说明书、海量简历库的精准问答与智能挖掘。 ii)优化 Embedding 算法及向量检索策略，解决 HR 领域长文本及结构化/非结构化数据混合检索的精度痛点。 5）人力资源数据挖掘与预测性分析： 利用算法模型对人才画像、组织健康度进行归因分析及趋势预测，为人力资源战略决策提供算法支撑。