logo of aligenie

智能互联千问C端事业群-法务BU-北京

社招全职5年以上综合类-法务地点:北京状态:招聘

任职要求


1. 法律专业本科及以上学历,通过司法考试,熟悉著作权法
2. 5年以上律所、互联网公司工作经验,有产品、直播等支持经验的更好;
3…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1. 负责浏览器等智能工具、创新性产品的国内、国际业务产品合规工作,识别产品功能服务以及运营策略、活动的潜在法律风险并输出风险防范措施;
2. 草拟、审核及跟踪处理业务合同及法律文书;
3. 关注域内外立法、司法及监管领域动态,输出法律解读,并在产品合规治理中予以落地;
4. 开展业务部门的法律培训;
5. 与法务中台、其他职能团队协作,共同推进重大项目、拆解复杂问题,提供专业意见。
包括英文材料
学历+
相关职位

logo of quark
社招7年以上

1. 作为海外BU法务,深度参与公司产品的全球化进程,不仅要识别和分析业务场景对于 AI 和数据保护合规风险(如人工智能系统和模型的开发;数据收集、传输、存储等环节的风险),更要为业务的合规落地工作提供切实可行的建议。 2. 构建并优化海外业务的数据合规体系,确保业务符合 GDPR、CCPA/CPRA 以及东南亚、拉美等目标市场的隐私法律要求. 3. 跟踪全球主要司法辖区(如美国、欧盟等)关于互联网监管、内容安全、消费者保护及 AI 监管的法律动态。 4. 管理并协调海外外部律所,在合理控制成本的同时,获取精准的当地法律指导。 5. 通过定期复盘、专门项目等,不断优化现有合规治理的制度和流程,降低业务运营风险,保障业务顺利开展。 6. 其他日常法务支持工作。

更新于 2026-04-07北京
logo of aligenie
社招7年以上

1. 作为海外BU法务,深度参与公司产品的全球化进程,不仅要识别和分析业务场景对于 AI 和数据保护合规风险(如人工智能系统和模型的开发;数据收集、传输、存储等环节的风险),更要为业务的合规落地工作提供切实可行的建议。 2. 构建并优化海外业务的数据合规体系,确保业务符合 GDPR、CCPA/CPRA 以及东南亚、拉美等目标市场的隐私法律要求. 3. 跟踪全球主要司法辖区(如美国、欧盟等)关于互联网监管、内容安全、消费者保护及 AI 监管的法律动态。 4. 管理并协调海外外部律所,在合理控制成本的同时,获取精准的当地法律指导。 5. 通过定期复盘、专门项目等,不断优化现有合规治理的制度和流程,降低业务运营风险,保障业务顺利开展。 6. 其他日常法务支持工作。

更新于 2026-04-07北京
logo of aligenie
社招5年以上综合类-法务

● 业务支持与合规管理 ○ 支持智能硬件产品线(以智能AI眼镜为主)在研发、生产、销售等环节的日常法务需求,协助开展法律风险评估与合规审查; ○ 参与产品从立项、设计到上市各阶段的合规评审会议,协助识别知识产权、数据隐私、消费者权益保护等方面的潜在风险,并提出初步应对建议; ○ 审核营销活动方案(如促销、联名、用户裂变等)的合规性,协助防范虚假宣传、价格违法及消费者投诉风险。 ● 合同与供应链管理 ○ 负责供应链、技术研发及渠道合作相关商务合同的起草、审核与谈判支持,包括ODM/OEM协议、芯片/模组采购协议、软件授权协议、数据处理协议、运营商业化协议等; ○ 协助参与重大合作项目的交易结构讨论,配合完成基础法律风险评估; ○ 维护和优化常用合同模板,配合推动合同流程标准化,提升协作效率。 ● 数据与隐私合规 ○ 针对智能AI眼镜等可穿戴设备涉及的摄像头、麦克风、生物识别信息等敏感数据处理场景,协助制定符合法律法规要求的合规方案; ○ 支撑用户隐私保护、数据传输、用户授权机制、算法透明度、生物识别信息处理等具体问题的喝过方案落地执行。 ● 法律培训与文化建设 ○ 持续关注智能硬件、AI产品、数据合规等领域的法律法规及监管动态,及时整理并向业务团队输出法律风险提示; ○ 基于业务需要,参与面向产品团队的合规宣导或培训。

更新于 2026-04-07北京
logo of quark
社招2年以上技术类-算法

加入千问/夸克APP的核心团队,共同打造下一代AI智能助理的“推荐大脑”。包括但不限于:对话推荐、AI内容创作、内容消费,负责推荐系统的算法设计、优化及落地,通过精准的算法策略提升对话体验与内容分发效率,带动千问/夸克APP的DAU、AI生成内容(AIGC)、创作者生态等核心业务的增长。 1.算法设计与优化:利用前沿技术优化千问/夸克APP的对话推荐、消费和创作模块,全链路地优化包括召回模型、排序模型、多模态推荐、多目标、冷启动,探索等推荐算法和模块; 2.数据驱动迭代:基于用户行为数据、内容特征数据等,构建算法评估体系,通过AB测试等方式验证算法效果,持续迭代优化推荐策略,解决冷启动、多样性不足等实际业务问题。 3.特征工程与模型搭建:利用大模型构建千问/夸克用户的画像,参与内容特征、用户特征的挖掘与构建,结合场景需求选择或改进合适的推荐模型,提升模型预测精度与泛化能力。 4.系统协同与落地:与工程、产品、数据等团队协作,将算法方案转化为可落地的技术实现,保障推荐系统的高可用性、低延迟与稳定性,适配各场景的动态变化需求。 5.技术探索与沉淀:跟踪推荐算法、AI大模型在内容领域的应用动态,探索大模型与推荐系统结合的创新方向,沉淀算法研发经验与技术方案。

更新于 2026-01-15北京|杭州