职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:100001800027

淘天算法技术-算法专家(直播)-杭州/北京

未披露 · 北京 / 杭州 · 淘天集团

主分类:搜索推荐与业务决策算法研发
算法与数据
辅助:大模型与生成式算法研发(仅展示)
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": "淘天算法技术-算法专家(直播)-杭州/北京",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "淘天集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "算法研发"AI生成
    },
    "company": {
        "company_name": "淘天集团",
        "company_industry": "电子商务",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "硕士",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责淘天直播推荐算法研发工作,深度参与淘宝直播 toC 推荐链路分发、toB 主播工具以及AI agent的建设、算法提效以及体验机制类的优化工作,可深度参与AI助手和agent建设,负责大模型结合直播推荐相关的场景落地。\n2、负责包括且不限于召回,精粗排,重混排推荐链路传统模型优化,同时可负责大语言模型、多模态大模型的pre-train、CT、SFT、RLHF等技术,持续提升模型在业务场景应用的效果。\n3.、深入分析业务需求,通过技术手段提升作业效率与用户体验。\n4.、持续关注行业内人工智能技术的发展趋势,引入前沿技术并进行创新应用。",
        "requirements_text": "1. 对LLM/MLLM模型、智能体(Agent)领域有深入的研究,熟悉常见LLM/MLLM模型,理解LLM的原理和架构,熟悉大模型在B/C端的应用,有行业成功应用经验。\n2. 具备扎实的机器学习/深度学习基础,熟练掌握深度学习框架,如PyTorch,TF等,并对算法理论有深入理解和应用经验;对常用网络架构比较熟悉,比如Transformer等;对常用模型范式熟悉和掌握,比如ESMM,DM,MMOE等\n3. 具备一定的学术背景,在顶会(如NeurIPS、ICLR、ICML等)或期刊上有论文发表者优先;有直播推荐算法 或者 电商推荐算法相关从业经验者优先。\n加分项:\n有直播电商相关从业经验 和 在AI领域顶会或者期刊发表过论文者优先;",
        "skills": [AI生成
            "PyTorch",
            "机器学习",
            "深度学习",
            "推荐算法",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "3. 具备一定的学术背景,在顶会(如NeurIPS、ICLR、ICML等)或期刊上有论文发表者优先;有直播推荐算法 或者 电商推荐算法相关从业经验者优先;加分项:;有直播电商相关从业经验 和 在AI领域顶会或者期刊发表过论文者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.taotian.com/off-campus/position-detail?positionId=100001800027"
            }
        ]
    },
    "posting": {
        "posting_id": "100001800027",
        "post_date": "2026-08-05",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100001800027"
    },
    "fulltext": "淘天算法技术-算法专家(直播)-杭州/北京\n淘天算法技术-算法专家(直播)-杭州/北京\n\n基础信息\n工作地点:北京 / 杭州\n\n职位描述\n1、负责淘天直播推荐算法研发工作,深度参与淘宝直播 toC 推荐链路分发、toB 主播工具以及AI agent的建设、算法提效以及体验机制类的优化工作,可深度参与AI助手和agent建设,负责大模型结合直播推荐相关的场景落地。\n2、负责包括且不限于召回,精粗排,重混排推荐链路传统模型优化,同时可负责大语言模型、多模态大模型的pre-train、CT、SFT、RLHF等技术,持续提升模型在业务场景应用的效果。\n3.、深入分析业务需求,通过技术手段提升作业效率与用户体验。\n4.、持续关注行业内人工智能技术的发展趋势,引入前沿技术并进行创新应用。\n\n职位要求\n1. 对LLM/MLLM模型、智能体(Agent)领域有深入的研究,熟悉常见LLM/MLLM模型,理解LLM的原理和架构,熟悉大模型在B/C端的应用,有行业成功应用经验。\n2. 具备扎实的机器学习/深度学习基础,熟练掌握深度学习框架,如PyTorch,TF等,并对算法理论有深入理解和应用经验;对常用网络架构比较熟悉,比如Transformer等;对常用模型范式熟悉和掌握,比如ESMM,DM,MMOE等\n3. 具备一定的学术背景,在顶会(如NeurIPS、ICLR、ICML等)或期刊上有论文发表者优先;有直播推荐算法 或者 电商推荐算法相关从业经验者优先。\n加分项:\n有直播电商相关从业经验 和 在AI领域顶会或者期刊发表过论文者优先;\n1、负责淘天直播推荐算法研发工作,深度参与淘宝直播 toC 推荐链路分发、toB 主播工具以及AI agent的建设、算法提效以及体验机制类的优化工作,可深度参与AI助手和agent建设,负责大模型结合直播推荐相关的场景落地。\n2、负责包括且不限于召回,精粗排,重混排推荐链路传统模型优化,同时可负责大语言模型、多模态大模型的pre-train、CT、SFT、RLHF等技术,持续提升模型在业务场景应用的效果。\n3.、深入分析业务需求,通过技术手段提升作业效率与用户体验。\n4.、持续关注行业内人工智能技术的发展趋势,引入前沿技术并进行创新应用。\n1. 对LLM/MLLM模型、智能体(Agent)领域有深入的研究,熟悉常见LLM/MLLM模型,理解LLM的原理和架构,熟悉大模型在B/C端的应用,有行业成功应用经验。\n2. 具备扎实的机器学习/深度学习基础,熟练掌握深度学习框架,如PyTorch,TF等,并对算法理论有深入理解和应用经验;对常用网络架构比较熟悉,比如Transformer等;对常用模型范式熟悉和掌握,比如ESMM,DM,MMOE等\n3. 具备一定的学术背景,在顶会(如NeurIPS、ICLR、ICML等)或期刊上有论文发表者优先;有直播推荐算法 或者 电商推荐算法相关从业经验者优先。\n加分项:\n有直播电商相关从业经验 和 在AI领域顶会或者期刊发表过论文者优先;",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [
            "T010"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}