1、负责语音大模型数据构建，设计各技术方案下各阶段数据方案与策略，建设专业、敏捷的流程&标准，管理高效高质的数据生产Pipeline，有效提升技术预研/业务落地效果； 2、负责端到端语音大模型评测体系建设，设计模型优化敏感、业务场景适配的评测方案与流程，建设并管理科学、敏捷的评测Pipeline，为模型效果提升提供有价值的优化方向与反馈； 3、推动跨团队合作，理解上游需求并统筹下游人力，负责项目资源的协调与组织，与算法/产品进行良好沟通，确保项目团队协同工作，推动语音方案在业务场景的落地。

1. 负责搜索场景多模态内容相关的召回、排序、策略等算法设计与优化（如笔记/视频） 2. 负责超大规模深度学习在用户建模、CTR预估、多场景迁移学习等领域中的应用 3. 负责用户表征学习、向量化召回、兴趣发现等在视频搜索/推荐分发场景内的应用 4. 负责分发场景的流量机制分配、冷启动、用户增长等策略设计与应用

1. 夸克基础搜索技术部门，负责搜索业务中查询理解(包括纠错、改写、意图识别等)，并将大模型在查询理解进行落地和优化 2. 对大模型及NLP有较为深入的理解，并能阅读前沿的论文跟进业界前沿进展，以持续提升搜索产品的体验和商业价值； 3. 深入理解搜索产品和业务的同时，需要参与在线搜索服务研发，使前沿的算法可以在线上高并发低延迟场景落地应用，以服务数以亿计的搜索用户。

职位描述 1. 负责千问、夸克和UC等多端的运营业务开发，包括但不限于首页、活动、福利、小说和AI创作等业务，建设相关的基础平台，包括但不限于内容运营、权益玩法、AIGC和低代码搭建等的平台能力 2. 负责服务端系统的架构和关键模块设计，主导攻坚技术难题，推进整体方案拉通及实现落地，持续提升系统的性能、稳定性和可用性，应对大流量、高并发的在线请求挑战 3. 参与探索AI相关技术在运营业务及平台的应用及落地，如角色聊天、AIGC等，建设AI工具来提升平台的运营效率及质量

1、负责平台的内容运营体系规划及建设，围绕热点、新锐内容策划专题活动，带动平台内容消费增长； 2、负责平台榜单、分类、推荐栏目运营，通过运营手段持续优化找书体验，提高必读榜知名度和权威性； 3、负责IP联运的商务沟通、站内活动专题落地，放大自有IP影响力； 4、负责规划书城的所有频道的运营方向，提高各内容品类渗透，协助内容生态建设，把控平台内容调性； 5、定期开展竞品运营手段的调研分析，协同产品研究细分用户群阅读偏好、找书路径偏好等，为书城资源位设计优化提供决策依据。

1.增长策略设计与落地 - 基于夸克产品特性，独立负责1-2个核心增长方向（如小红书/抖音内容种草、私域流量运营、校园渠道渗透等），制定可量化的增长策略并推动执行； - 通过A/B测试、数据埋点等手段持续优化增长路径，提升用户获取效率及活跃度； - 探索创新增长模式，包括但不限于异业合作、裂变玩法、外部热点捕捉等。 2.数据驱动运营 - 建立增长漏斗模型，监控关键指标（如CAC、ROI、留存率等），通过数据复盘快速迭代策略； - 熟练使用SQL/Excel等工具完成基础数据分析，输出 actionable insights。 3.资源整合与执行 - 若擅长渠道运营：需具备优质KOL/校园达人等资源，能快速落地合作项目； - 若擅长内容运营：需输出高转化率的种草内容，管理创作者矩阵，提升内容质量。

团队介绍： 1. 夸克搜索是追求极速智能搜索的先行者,为用户的信息获取提供极速精准的搜索体验。 2. 团队属于阿里巴巴智能信息事业部板块下核心技术部门，负责夸克搜索业务核心体验的优化与开发。 3. 团队内部算法和工程结合，可以依据个人兴趣和能力，深入探索更丰富的技术领域；同时团队氛围融洽且开放，追求简单、轻松、愉快工作氛围的同学不容错过。 4. 团队工作具有业务复杂度高、技术挑战大、技术栈全面等特点，高并发低延时，大数据存储及挖掘。 5. 团队紧跟业界前沿技术，演进和迭代业务架构和算法，支撑业务在行业竞争中处于优势地位。 1. 该岗位主要负责垂直行业的业务开发，包括在线召回、排序系统效果优化，离线系统分析、设计，行业质量相关数据体系建设，能主导完成业务优化上下游的详细方案设计和编码开发，确保项目的进度和质量； 2. 该职位需要理解业务，识别业务需求，主导业务技术难题攻关，结合当前业界先进的方案，推进业务效果的持续迭代；

1.负责夸克亿万用户的 query 推荐效果（sug、猜你想搜、相关推荐）与资源卡片的搜索/排序效果，持续提升核心指标（如 CTR、CVR、覆盖率 等）。 2.构建与优化 NLP 相关模块：query 分类、意图识别、实体短语挖掘、语义匹配、query 重写/扩展、文本相似度与聚类等。 3.参与设计与落地排序系统的技术升级（召回-排序-重排全链路）； 4.跨团队协作：与产品、工程、运营共同定义目标与策略，沉淀算法策略。