阿里巴巴阿里控股-大模型外包训练采购专家-杭州
社招全职5年以上综合类-采购地点:杭州状态:招聘
工作描述
任职要求 四、加分的可能性 ● 你有成功案例 无论是搭建过千人规模的外包团队、谈判过亿级技术服务合同,还是优化过复杂的供应链流程,都能让我们更快地了解你。 ● 你对 AI 供应链有强烈的个人观点 你认为大模型训练外包的核心竞争力是什么?是成本控制、响应速度、还是技术协同?我们渴望与有观点的你碰撞。 ● 你拥有"失败"的宝贵经验 你曾经历过供应商交付失败、项目延期或合作破裂,并从中学到了远比成功更珍贵的东西。 ● 你具备跨界背景 技术出身懂采购、采购出身懂技术、或有咨询公司/投资机构视角——跨界经历让你能看到别人看不到的机会。 ● 你在技术社区、公众号、知乎、即刻等平台有相关分享内容 证明你是真实的行业 enthusiast,而非简历包装。 五、我们不招什么样的人 只把技术当"黑盒",没有深度理解和创新应用意愿的人; 对技术有恐惧感,听到 API、代码、大模型、技术名词就退缩、犯怵的人; 只把 AI 当"高级搜索引擎",没有深度使用经验和创新应用案例的人; 认为采购是传统业务,仅满足基本交付、推进完成项目流程,而非追求卓越、价值突破的人; 需要被明确告知每一步怎么做、依赖完善 SOP 才能开展工作的人; 六、为什么值得你来 我们提供的不只是一份工作 这是一个与顶尖 AI 技术同步进化的机会。你将直接接触 AI 行业最顶尖的供应商和技术团队,站在产业变革的第一线。你的专业判断将直接转化为公司战略层面的供应决策。 站在技术与产业交叉的最前沿 我们做的事情,可能是行业内最早一批的系统性实践,有极大的示范价值和社会影响力。别人还在讨论"AI 能不能用在采购"的时候,你已经是那个把答案写出来的人。 定义"AI 时代的采购组织应该长什么样" 你不是来优化一个已有系统的,你是来定义规则、创造可能。这是一片广阔自由的蓝海,等待你的挖掘。 志同道合的同伴随和开放的文化 你不是一个人在战斗。集团采购团队坚信并支持采购智能化转型,我们将一起,与采购团队、产技团队,方向一致、目标一致,共同创造未来的工作范式。我们鼓励试错、奖励创新、尊重专业,给你一个能施展拳脚的舞台。 成长加速度 在高强度、高挑战的环境中,用 1-2 年时间完成别人几年的能力积累。你的每一个决策都可能直接影响公司大模型的训练进度和质量,间接影响千万用户的产品体验。 工作职责 写在前 公司致力于研发行业顶尖的AI大模型,处于 AI 技术变革的前沿。大模型训练是一项复杂而精密的系统工程,优质、高效、可控的外包采购体系,是这场技术竞赛中不可或缺的…
登录查看完整工作描述
微信扫码,1秒登录
包括英文材料
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
相关职位
社招3年以上技术类-数据
1. 精通数据处理生态,熟悉分布式数据处理,能构建高效稳定的数据流水线,有大规模 ETL 流水线优化经验。 2. 深入理解Code(代码理解、生成、调试)和Agentic(工具调用、规划、多轮交互)场
更新于 2026-06-06北京|杭州
社招3年以上技术类-数据
1. 对于swe/terminal及业界更加前沿的代码&agentic场景任务能够熟练构建,设计和实现领域标注方向AI训练流程,并不断优化迭代,高效完成标注和内容生产项目 2. 熟悉代码&agenti
更新于 2026-06-06北京|杭州
社招4年以上技术类-数据
1.熟悉主流模型架构(Transformer、MoE等),理解模型内部工作机制;具备模型可解释性分析能力(如attention分析、神经元激活分析) 2.具备强学术调研能力,能追踪前沿研究(模型可解释
更新于 2026-06-06北京|杭州