阿里云阿里云智能-算法专家-机器学习PAI

● 设计和实现高效的分布式推理架构，提升多节点、多GPU环境下的推理速度和资源利用率。开发智能的请求调度算法，确保高并发场景下的最优响应时间和吞吐量。对推理引擎的运行时环境进行深度优化，减少延迟，提高整体性能。针对多种异构AI加速硬件（如NVIDIA GPU, AMD GPU, NPU等），对核心算子进行极致性能优化，最大化算力和访存带宽利用率。 ● 探索并实现极低bit量化技术和稀疏化，减少模型存储和计算资源消耗，同时保持推理精度。探索更高效的解码算法，提升生成任务的推理速度。 ● 设计并实现能够处理大规模并发请求的系统架构，确保极端负载下的稳定性和性能。引入容错机制、自动恢复和监控报警系统，保证系统的高可用性和稳定性。构建灵活的系统架构，支持动态扩展，以应对未来业务增长和技术演进的需求。 ● 持续关注并跟进业界技术发展，尤其是超长上下文、COT思维链、多模态融合等方向。积极尝试和探索新的推理优化方向，提出并验证创新性的解决方案。

1. MLOps平台开发打造一站式大模型开发平台，负责主流开源和闭源模型的训练、评测、蒸馏、压缩、部署全链路工具开发 ● 参与模型各种后训练如微调、蒸馏、强化学习的产品化，以及vLLM/sglang/自研推理引擎的优化，提供有竞争力的推理性能 ● 负责各种MLOps工具链开发，如AI资产管理、实验管理、血缘跟踪、评测对比等，帮助用户串联AI开发全流程，提升模型开发效率 ● 负责多模态数据自动标注和挖掘功能的开发，为智驾和具身智能客户提供新一代的数据工程解决方案 2. 企业级Agent开发平台建设 ● 建设具备全模态能力的agent开发平台，帮助客户构建RAG、chatbot、data agent、design agent、research agent等各种AI agent应用 ● 提供白盒化开发模式，建设全链路的可观测、可调试和监控能力，帮助用户构建同时具备高精度和高性价比的agent应用 ● 针对企业客户对安全隐私的强需求，构建全方位的安全防护能力，包括不限于模型安全护栏、工具沙箱、细粒度权限管控等 ● 与阿里云大数据、智能搜索等业务产品合作，建设阿里云agent工具生态

1. 主导基于阿里云PAI平台的大模型与多模态Agent工具链建设，涵盖数据处理、预训练、SFT、模型蒸馏、强化学习等全栈训练能力，打造高效、易用、可扩展的Agent开发基础设施，赋能千行百业智能化升级。 2. 面向ChatBI、智能运维机器人等核心场景，构建端到端的Agent算法解决方案，持续优化模型效果、推理性能与用户体验，树立行业最佳实践标杆。 3. 深度理解企业级业务需求，具备将复杂业务问题抽象为通用算法范式的能力，通过标准化、产品化工具实现客户需求的快速复制与规模化落地。 4. 紧跟全球大模型与多模态前沿技术演进，在算法效能、架构创新与工程落地方面持续突破，推动技术成果转化为学术影响力与商业价值。

作为阿里云采购供应链中台运营团队，我们的核心职责是基于情报的评价规范及监控运营，不断提升采购供应链效率、降低采买和使用成本，降低业务运行风险。我们的工作涉及到采购、供应链、IDC的方方面面，从需求管理、计划供应、采购、交付、资源运营、结算对账、资产管理的端到端管理和作业流程。 在这里，你将深入复杂的采购与供应链业务场景，运用先进的数学统计方法和人工智能技术，从海量数据中挖掘洞察，不仅回答“发生了什么”，更能揭示“为何发生”以及“将要发生什么”，最终为管理层的战略决策提供强有力的数据支撑。 1、数据驱动、提出问题 ○ 通过异常检测算法（孤立森林、局部离群因子）， 无监督学习，自动发现与大多数行为模式截然不同的异常点。例如，供应商主数据、招标、交付、资产管理等环节的异常发现。 ○ 通过对采购、供应链、IDC业务的理解， 将数据表现出来的现象，转化为清晰、可被数据验证的具体问题。 2、 数据抽象与建模： 能够将复杂的业务实体和关系，抽象为可计算的数据模型。例如，将供应商、员工、订单抽象为“图数据”节点和边，以便进行网络分析。 3、 深度数据分析：运用先进的统计分析、机器学习算法（如：异常检测、聚类分析、图算法、NLP等）对数据进行深度挖掘，以验证最初的假设和回答业务问题。 4、 数据验真与洞察提炼： 通过交叉比对、多源验证、A/B测试 等方法，确保数据分析结果的可靠性与准确性。能从复杂结果中，提炼出清晰、可执行的业务洞察，并形成报告或演示。