阿里云阿里云智能-AI大模型解决方案工程师-杭州
任职要求
1) 本科及以上学历，计算机或相关专业，3年及以上工作经验 2) 具备3年及以上正式型大模型项目落地经验（非练手）； 3) 掌握主流大模型技术栈（如LLM、多模态模型、RAG、Agent、Fine-tuning、推理优化等） 4) 掌握主流工程技术栈（Python/Java、Redis、MySQL、HTM…
工作职责
1. 机会判断与深度技术交流 1) 对市场和商业具备敏感性，能够敏锐的发现和判断大模型应用机会并且快速进行POC验证； 2) 针对复杂项目，协同售前、销售、产品及研发团队，与客户关键决策人开展深度技术对话，引导技术选型与合作方向； 3) 结合行业趋势与技术演进，精准判断大模型应用场景的商业潜力，为商机转化和规模化结果负责。 2. 解决方案/产品设计与规模化推广 1) 深入理解各类Ai场景在功能性、非功能性（性能、稳定性、安全性、成本等）维度的核心诉求，基于通义大模型能力，设计具备技术竞争力与成本优势的端到端解决方案； 2) 主导POC、Win back、招投标等关键环节的技术方案输出，包括产品选型、配置报价、控标项设计及Demo验证； 3) 提炼Ai场景中的关键技术指标，转化为可量化的产品能力项，形成差异化竞争优势； 4) 能够承接对客体验闭环：接收客户反馈，完成问题Triage、根因定位，并通过后训练、Prompt工程或产品调优等方式达成既定效果目标； 6) 推动及协助大模型服务平台（如解决方案Demo中心、落地页、API网关等）的架构设计与开发，保障高可用、安全、可扩展的统一服务能力。 3. 产品建设与技术落地 1) 深入一线场景，系统性调研并抽象共性需求与痛点，并精准传递至后续协同团队； 2) 参与或负责产品功能设计、定价策略、用户体验优化，确保产品在垂直行业保持领先； 3) 构建面向特定行业/场景的商业Benchmark，持续评估并推动模型能力边界拓展； 4) 识别模型在真实场景中的能力短板，主动发掘高质量数据合作机会，推动闭源模型与数据飞轮的正向循环。 5）具备从场景挖掘到POC验证到方案到实施一杆到底的落地能力。 4. 市场洞察与竞争分析 1) 持续跟踪AI大模型市场动态、竞争格局、技术路线及定价策略，并能够持续反哺到产品中； 2) 快速捕捉行业热点与垂域业务痛点，前瞻性挖掘高潜力应用场景，驱动新产品/新方案快速孵化与市场覆盖； 3) 将市场洞察转化为可执行的产品与解决方案策略，并主动牵引和协同实现高效落地。
团队介绍：字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、利用大模型优化搜索相关性、权威性、时效性等模型，解决各种复杂长尾查询的Ranking问题； 2、利用大模型做Doc理解，筛选优质Doc以及更好支持在线检索； 3、大模型在搜索召回和粗排等阶段的应用。
团队介绍： 我们聚焦全球技术底座建设，围绕研发设施、智能运维、全球网络及大模型服务四大核心领域，搭建全栈智能化工程平台体系，为全球业务稳健扩张与高效运转筑牢稳定、高效和合规的技术基石。 以技术创新驱动研发模式升级，打造覆盖研发协作、智能编码、智能测试的全流程智能体系，落地高效业务解决方案并深化DevOps文化。深耕运维合规与效能，建成符合欧盟标准的海外智能运维平台，完成IaaS、PaaS、SaaS全层级产品迭代；依托全球网络资源，实现资源统一管控、网络拨测、网关标准化及数据中心验收全流程规范化，全方位保障用户体验。同时，对标行业领先标准打造海外大模型服务路由平台，打通模型采购、安全管控、服务管理及成本管控全链路，严守数据安全底线。 职位描述： 1、负责AI大模型平台方向的产品设计与开发，包含模型供给、模型消费、数据洞察等核心产品能力开发并商业化。 2、参与AI技术预研，跟踪业界最新技术动态，为产品创新提供技术解决方案。 3、参与需求分析和设计讨论，编写高质量的代码，遵循阿里国际的编码规范和开发流程。 4、与团队成员紧密合作，分享技术知识，推动技术创新和最佳实践。
1、负责阿里巴巴广告数据核心资产建设和管理，构建适用于复杂广告业务场景的核心商业数据产品。 2、基于阿里海量数据的数据仓库建设及数据分析，通过数据+AI+算法+工程化能力，为ICBU广告业务场景探索AI+大数据解决方案。
1.参与行业领先的AIGC项目，如大语言模型，多模态模型等 2.综合运用大模型、判别式模型等算法技术，提升多维度文本控制生成能力 3.参与完整LLM整体训练框架方案设计，和端到端解决方案的实现 4.推动AIGC在业务的落地，参与实现系统性、可复制、可规模化的解决方案 5.支持LLM、MLLM方向的新技术研究和落地应用，支持指令微调、强化学习相关算法需求