阿里巴巴阿里控股-AI数据采集-杭州
任职要求
1. 本科及以上学历，计算机相关专业，3年以上移动安全、数据采集或逆向工程相关经验； 2. 精通至少一个平台（Web/Android/iOS）的逆向工程，熟练使用 IDA/GDB/Frida/Jadx/Hopper 等主流工具链； 3. 深入理解 HTTP/HTTPS/WebSocket/TCP/IP 等网络协议，具备扎实的协议分析与模拟能力； 4. 熟悉常见反爬技术（设备指纹、行为检测、验证码、风控策略等）及相应的绕过方案； 5. 具备数据敏感度，能够围绕采集完整性、准确性、时效性、稳定性建立可溯源的采集评估体系，推动采集系统升级为智能策略驱动； 6. 对学习和驱动新技术充满好奇，有优秀AI agent思维，借力AI实现系统性思维和解决问题的能力； 加分项 1. 有 A…
工作职责
1. 参与新一代Agent驱动的自适应爬虫系统的设计与落地，面向Web、Android、iOS 等多端场景，持续提升采集系统的成功率、稳定性与可扩展性； 2. 深入研究多维度数据采集策略，建设站点/APP 结构自动识别、覆盖策略生成与异常处理能力，提升复杂场景下的数据获取效率与覆盖质量； 3. 攻防对抗：针对不同目标平台开展系统性技术分析，结合环境仿真、协议模拟、设备指纹绕过、行为拟人化等技术，提升系统链路稳定性； 4. 构建AI Native的数据采集到数据处理的智能化全链路体系，利用 AI 技术实现数据采集、自动化清洗、结构化提取、质量评估与工程化落地； 5. 技术沉淀： AI采集平台架构设计、技术分析、策略研究、问题复盘等文档，沉淀可复用的方法论、工具能力和知识体系，推动团队采集能力持续升级。
1. 基于公司战略需要，与集团算法团队密切合作，理解算法需求，对LLM模型训练所需的数据样本集进行标注管理、行业调研、安全合规保障等，与上游产品技术通力合作，提供满足算法研发需求的数据，共同推进业务目标达成； 2. 负责高质量的数据标注，结合算法知识优化标注流程，推进使用算法技术（如数据增强、自动化标注等）提升数据标注的质量 3. 设计和实现大语言模型方向AI训练流程，并不断优化迭代，带领团队高效完成标注和内容生产项目，推动标注工具的智能化升级优化，协助产品与开发团队将更智能的标注产品落地 4. 构建并维护一套完善的AI内容质量管理体系，全面把控内容质量并对结果负责，并不断进行优化迭代； 5. 负责管理标注团队，积极推动组织流程及交付流程优化，对接数据标注供应商。负责组织培训、试标、通过持续培训和反馈提升供应商标注质量与效率
职位要求： 1. 数据资产全景与指标体系构建：负责搭建数据资产全景视图，提炼关键业务指标，通过数据洞察市场趋势，为决策层输出专业数据建议 2. 全链路效率监控与优化：围绕AI模型训练场景，构建数据全链路转化漏斗监控体系，追踪各环节转化率与周期效率，识别并推动解决流程卡点，保障数据高效流转 3. 反馈闭环建设与质量评估：建立从数据反馈出发的优化体系，统一拉齐数据质量评估标准，指导提升数据质量的提升及需求的衔接度 4. 跨团队协作与决策支持：协同数据开发、算法团队优化大模型训练效果，设计实验监控模型的反馈结果，给出量化的指标和建议，促进模型的不断优化
职位要求： 1. 数据资产全景与指标体系构建：负责搭建数据资产全景视图，提炼关键业务指标，通过数据洞察市场趋势，为决策层输出专业数据建议 2. 全链路效率监控与优化：围绕AI模型训练场景，构建数据全链路转化漏斗监控体系，追踪各环节转化率与周期效率，识别并推动解决流程卡点，保障数据高效流转 3. 反馈闭环建设与质量评估：建立从数据反馈出发的优化体系，统一拉齐数据质量评估标准，指导提升数据质量的提升及需求的衔接度 4. 跨团队协作与决策支持：协同数据开发、算法团队优化大模型训练效果，设计实验监控模型的反馈结果，给出量化的指标和建议，促进模型的不断优化
1. AI Native 采购流程架构设计与落地：将AI能力深度嵌入采购全生命周期——从需求感知、供应商寻源、智能比价、策略辅助、自动下单、履约跟踪到对账结算，识别并打通全流程中可无人化或人机协同的关键节点，建立端到端自动化工作流； 2. 数字采购员（AI Agent）的孵化与运营：设计、训练并持续迭代数字采购员，使其能够覆盖标准采购场景（如 供应商入库、自动下单、合同签约等）的全流程自动执行。定义数字采购员的能力边界、决策权限、人机交接机制，并建立持续优化闭环； 3. 采购AI Skills体系沉淀：构建可复用、可组合的采购AI技能库（Skills），涵盖招投标方案、风险检查、智能比价等等。建立Skills的版本管理、效果评估和迭代机制，让组织能力从"个体经验"升级为"系统资产"； 4. AI技术选型与前沿应用探索：持续跟踪大模型、Agent框架、RAG、多模态、代码生成等前沿AI技术演进，评估其在采购场景的应用潜力，参与AI工具/平台的路径选型、试点和规模化落地； 5. 采购数据与知识基建：搭建支撑AI应用的高质量数据底座，包括供应商知识库、历史谈判/合同语料库、品类策略知识图谱、市场价格基准数据等，确保AI的"燃料"充足且持续更新。