杭州影像医生
影像医生，又称放射科医师，是医疗领域的专业人员。他们使用各种影像学技术，如X射线、核磁共振（MRI）、计算机断层扫描（CT）等，对患者进行诊断、监视和治疗。影像医生需要对解剖学、病理学和影像学有深刻的理解，能够准确解读影像学结果，在诊断过程中发挥重要作用。他们与其他医疗团队成员，如内科医生、外科医生和放射技师紧密合作，为患者提供全面的医疗护理。影像医生还负责确保辐射的安全使用，遵循医疗伦理及法律规定。这个职位需要具备耐心、细致和专业知识，对医学影像有深入的了解。
薪酬概览
平均月薪
¥19100
中位数 ¥0 ｜ 区间 ¥14400 - ¥23800
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
40% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
10月新增岗位
4
对比上月：岗位新增1
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 1-3年 | 4 | 100% |
热招职位
1. 本科及以上学历，2 年以上互联网商业分析、经营分析相关工作经验，具有良好的业务洞察力和数据分析能力；
2. 具备良好的SQL和数科分析能力，对AB实验，因果推断熟悉，有复杂实验设计经验、能结合AI能力提效者优先；
3. 有电商、用户、供给、供应链、AI产品等方向的分析及策略落地经验，能将数据结论有效转化为业务行动。
4. 具有强烈的学习意愿和工作热情，有较强的学习能力，沟通协调能力和执行力，有较好的自驱力。
1、本科及以上学历，计算机科学、软件工程、人工智能相关专业优先；
2、熟练掌握Java/Python/Go/C++等编程语言，具备扎实的算法与数据结构基础；
3、具备Agent系统开发经验，掌握LangChain/LLamaIndex/AutoGen等框架及实现原理，能够设计高可用、高扩展性的大模型/Agent工程架构；
4、掌握Prompt工程、RAG、Tool Calling、Context Engineering等AI应用关键技术；
5、能够进行工具集成，掌握OpenAPI、RPC、MCP等协议实现方案；
6、了解机器学习、深度学习框架（PyTorch/TensorFlow），有Transformer等模型实战经验优先；
7、具备问题/价值驱动的探索精神和优秀的问题解决能力；
8、敢于创新，主动探索AI新技术/新范式在商业场景中的应用边界；
9、对AI技术充满热情，具备快速学习的能力，持续关注和学习AIGC前沿技术研究。
1、学历为本科以上；
2、熟悉电商行业，对客户生意链路有清晰洞察，具备清晰的数据化运营思路和体系化思维，能够将想法快速落地，有突出的拿结果能力；
3、对保健品行业有一定的行业认知，了解国内外保健品市场格局、政策法规及消费趋势；
4、熟悉淘系平台规则及运营逻辑，熟悉流量运营方法 ；
5、具备较强的数据驱动意识，能够基于数据洞察推动业务增长数据分析能力；具备结构化思维，能够沉淀出运营机制和方法论；
6、良好的商家沟通能力，和商家能维持良好的商务关系，能够通过分层运营策略提升头部商家活跃度，同时扶持中小商家成长；
7、较强的商业敏感度、拥有出色的跨部门协同和沟通能力；跨团队沟通能力和资源整合能力；
8、乐观皮实，有好奇心，有抗压能力。
1. 5年以上财税SaaS/企业服务/B2B电商/金融支付产品经验，有从0到1 AI native产品商业化成功案例者优先。
2. 具备技术背景，对AI技术原理和能力边界有深刻理解，能主导AI方案设计并独立对业务规模增长到实现商业化负责。
3. 深刻理解B2B商家经营场景（获客-交易-支付-财税-资金），深度了解财税及信贷业务，有P&L管理或商业经营经验优先。
4. 有产技闭环团队管理经验，善于跨部门协作和资源整合，具备横向拉通多业务线（财税+资金）的视野和能力。
1. 计算机相关专业本科及以上学历，1年以上后端 / 算法工程 / AI 应用研发经验，熟练掌握 Python，熟悉至少一门工程语言（Java/Go/TypeScript）。
2. 深入理解大模型基本原理与工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式，有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope等框架的实战经验者优先。
3. 具备扎实的系统设计能力，熟悉高并发、分布式、可观测性体系，能独立完成从 0 到 1 的服务搭建与线上稳定性保障。
4. 至少有一段将 AI Agent / LLM 应用推上 C 端或 B 端真实业务、并对核心指标负责的端到端落地经验。
5. 具有持续学习意愿，业务结果导向，能在快速变化的技术环境中保持判断力。
加分项：
1. 有多 Agent 系统、Agentic Workflow、Agent 评测平台、模型微调或后训练经验。
2. 在 AI Agent / LLM 方向有开源项目、技术博客、专利或顶会论文产出。
3. 有内容、社区、用户增长、商业化等 C 端业务场景的 AI 落地经验。
1. 经验背景
○ 1-3年品牌广告媒介运营/数字营销相关经验；
○ 熟悉主流广告平台操作（如ADQ、千川、磁力引擎等），有实际账户优化经验；
○ 加分项： 服务过消电品牌重视品牌建设的行业。
2. 核心能力
○ 懂品牌广告逻辑：理解品牌曝光、心智占领、长效ROI等目标，而非单纯追求效果转化；
○ 强执行力：能高效处理多任务，对数据敏感，具备快速响应和解决问题的能力；
○ 工具能力：熟练使用Excel/PPT进行数据分析及汇报，掌握基础SQL者优先。
3. 软性素质
○ 责任心强，能承受快节奏工作压力；
○ 沟通协调能力佳，推动跨团队合作；
○ 对媒介趋势敏感，主动学习新平台玩法。
我们是阿里巴巴平台技术TPP AI研发团队，负责搜推广及AI应用研发平台的建设和维护。为淘宝、千问、闪购、高德、闲鱼、飞猪等多个业务部门提供应用研发基础设施，并直接参与头部业务的应用研发。
主要工作内容如下：
1. 搜推广业务研发：负责阿里巴巴核心搜索、推荐、广告业务的系统设计与开发，支撑亿级用户规模的实时流量。深入理解业务场景，参与从需求分析、架构设计到上线运维的全链路研发工作。优化系统性能与稳定性，保障高并发场景下的低延迟、高可用服务。
2. AI Native研发范式升级：推动搜索推荐系统的 AI Native 转型，探索大模型在搜推场景的深度应用。重构传统研发流程，构建以 AI 为核心的新一代研发范式，提升研发效率与系统智能化水平。研究并落地生成式检索、生成式排序、多模态理解等前沿技术在业务中的工程化实践。
3. AI应用研发：设计并开发面向搜推场景的智能 Agent 系统，构建 Agent 编排框架，整合工具链、知识库与业务系统，打造自感知、自决策、自执行的智能体。抽象Agent需求并沉淀Agent Infra。
我们将提供：
参与阿里巴巴核心业务的技术挑战，影响亿级用户体验。
与行业顶尖技术团队合作，接触前沿的 AI 技术与工程实践。
开放的技术氛围与完善的成长体系，支持技术创新与职业发展。
1. 构建和持续优化公司IPD流程体系和质量管理体系(含流程架构、流程文件、质量管理系统等)
2. 持续跟踪和分析IPD流程实施情况(包括IPD流程导入及落地评估、体系成熟度评估、符合性及有效性评估、项目执行改进等)，识别流程体系的瓶颈和改进点，提出有效的流程优化方案，并推动实施，提高流程适用性、效率和质量
3. 持续改进公司的质量管理体系，设计各类E2E过程及结果质量的数据度量统计模型，建立度量分析体系，根据分析结果进行持续改进
4. 负责组织和协调完成公司内外审等多种审核认证，推进纠正和预防措施的落地
5. 负责开展流程体系、质量活动、质量工具及方法等培训，持续提升组织的质量文化、质量意识、运作效率及质量运营能力
6. 负责规划和建设数字化运营体系，打造数字化运营平台，提供数字化运营能力，并使用数字化运营平台、工具、方法，开展问题识别、分析，提高发现问题、分析问题、解决问题的能力和效率
深入行为风险业务，理解行为风控系统全链路，设计并构建面向行为风控的各类agent。根据业务特点完成Agent架构设计（Harness Engineering、Memory设计、Skill建设），同时针对大模型在Agent运行过程中存在的效果不佳问题做定制优化，系统性提升Agent的完成质量与业务效果。
岗位职责
1. 行为风控Agent体系构建
深入理解行为风控业务场景（账号风险、交易风险、营销反作弊、内容安全等），梳理行为风控系统的核心链路与决策逻辑，主导覆盖风险感知、研判、处置全流程的agent建设。根据业务特点完成Agent架构设计，包括任务拆解与编排、多Agent协作机制、人机协同交互范式。
2. Harness Engineering
设计Agent的可观测性体系（日志、追踪、监控），确保Agent行为可审计、可回溯、可优化。构建Agent评测体系和约束机制，定义评估指标（任务完成率、准确率、响应时间等），建立持续迭代闭环。
3. Memory设计
设计Agent的记忆系统，包括短期记忆（会话上下文）、长期记忆（知识沉淀与经验积累）、工作记忆（任务执行状态）。探索记忆检索、更新、遗忘机制，平衡记忆容量与检索效率。结合行为风控业务特点，设计领域知识的结构化存储与高效召回方案。
4. Skill建设
构建Agent的技能体系，将行为风控领域的专家经验（规则策略、分析模式、处置流程）沉淀为可复用的Skill。设计Skill的注册、发现、组合、调度机制，支持动态编排与热更新。建立Skill的质量评估与迭代优化流程。
5. 大模型效果优化
针对大模型在Agent运行过程中存在的幻觉、推理偏差、指令遵循不足等问题，探索定制优化方案。包括但不限于：Prompt Engineering优化、SFT微调、RLHF/Agentic RL对齐训练、推理时干预（Guardrails）等。结合行为风控业务数据，构建高质量训练与评测数据集。
1. 研发具身场景自动标注与数据质量评估算法，覆盖运动、感知、具身规划等多层标注及多模态对齐，构建标注自动校验与质量评分体系。
2. 研究 Data-Centric AI 前沿方法（数据混合优化、主动数据选择、数据影响函数等），通过消融实验、归因分析等手段量化不同数据源对模型性能的边际贡献，探索具身场景下的数据 scaling law。
3. 基于价值量化结果制定并迭代训练数据配方（来源配比、质量阈值、规模规划），为数据飞轮的资源分配提供量化依据。
4. 负责具身数据预处理流程的算法设计，包括多模态对齐、轨迹平滑、异常检测与清洗等环节的规范化与自动化。
1、 研发面向仿真的3D生成与重建算法，覆盖单体资产（关节体、可形变物体等）到场景级环境，产出几何合法、物理参数完备、可直接导入物理引擎的高质量3D模型与可交互仿真场景；打通从真实采集数据到可编辑仿真场景的链路；
2、 研发面向仿真训练的高通量渲染管线，包括但不限于3DGS批量渲染优化、物理引擎与渲染的耦合更新机制、以及多环境并行渲染架构，支撑大规模视觉强化学习的实时视觉观测需求；
3、 探索Agentic场景生成等前沿方向，利用驱动场景的自动化构建与迭代；
4、 优化研究Sim2Real闭环相关技术：域随机化、Real-to-Sim重建、合成演示数据生成等，提升具身策略在真实环境中的泛化能力。
面向阿里集团内部业务提供AI Infra容器网络、服务网络等技术支持，支撑集团内部大模型训练、推理、Agent等工作workload形态，服务ATH、淘天、闪购、国际化等各个业务BU。
● 负责面向异构/多云等 AI 计算环境构建统一的 K8s 容器网络，支持 RDMA 高性能通信，保障大规模训练与推理场景的网络性能与稳定性；
● 负责容器网络的轻量化多租隔离能力建设，支撑 AI 业务、传统业务的统一部署；
● 负责面向 Agent 场景提供安全、高效的沙箱网络技术；
● 负责 CoreDNS、kube-proxy 等云原生网络服务的建设与优化，提升 K8s Service 的可用性与性能；