主分类：AI训练数据标注与评测运营
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "数据技术及产品部-大模型分析与数据策略专家-杭州/北京",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-数据"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.基于模型内部评测和错误案例，系统性分析模型能力边界和短板；建立能力拆解框架（如代码生成可拆分为理解、规划、实现、调试等子能力）\n2.主导高质量数据的获取、清洗、增强和验证；探索先进的数据合成技术（如基于强模型的蒸馏、多智能体协作生成）。\n3.设计小规模实验验证数据有效性，建立数据-效果关联分析机制，量化数据投入产出比。",
"requirements_text": "1.熟悉主流模型架构（Transformer、MoE等），理解模型内部工作机制；具备模型可解释性分析能力（如attention分析、神经元激活分析）\n2.具备强学术调研能力，能追踪前沿研究（模型可解释性、数据选择、合成数据等），快速验证新方法可行性。\n3.具备与算法工程师深度协作的能力，理解训练过程中的技术细节和约束条件。",
"skills": [AI生成
"分析能力"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100012200004"
}
]
},
"posting": {
"posting_id": "100012200004",
"post_date": "2026-08-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100012200004"
},
"fulltext": "数据技术及产品部-大模型分析与数据策略专家-杭州/北京\n数据技术及产品部-大模型分析与数据策略专家-杭州/北京\n\n基础信息\n职位类别：技术类-数据\n工作地点：北京 / 杭州\n\n职位描述\n1.基于模型内部评测和错误案例，系统性分析模型能力边界和短板；建立能力拆解框架（如代码生成可拆分为理解、规划、实现、调试等子能力）\n2.主导高质量数据的获取、清洗、增强和验证；探索先进的数据合成技术（如基于强模型的蒸馏、多智能体协作生成）。\n3.设计小规模实验验证数据有效性，建立数据-效果关联分析机制，量化数据投入产出比。\n\n职位要求\n1.熟悉主流模型架构（Transformer、MoE等），理解模型内部工作机制；具备模型可解释性分析能力（如attention分析、神经元激活分析）\n2.具备强学术调研能力，能追踪前沿研究（模型可解释性、数据选择、合成数据等），快速验证新方法可行性。\n3.具备与算法工程师深度协作的能力，理解训练过程中的技术细节和约束条件。\n1.基于模型内部评测和错误案例，系统性分析模型能力边界和短板；建立能力拆解框架（如代码生成可拆分为理解、规划、实现、调试等子能力）\n2.主导高质量数据的获取、清洗、增强和验证；探索先进的数据合成技术（如基于强模型的蒸馏、多智能体协作生成）。\n3.设计小规模实验验证数据有效性，建立数据-效果关联分析机制，量化数据投入产出比。\n1.熟悉主流模型架构（Transformer、MoE等），理解模型内部工作机制；具备模型可解释性分析能力（如attention分析、神经元激活分析）\n2.具备强学术调研能力，能追踪前沿研究（模型可解释性、数据选择、合成数据等），快速验证新方法可行性。\n3.具备与算法工程师深度协作的能力，理解训练过程中的技术细节和约束条件。",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}