主分类：搜索推荐与业务决策算法研发
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": "淘宝闪购-搜索推荐算法专家-北上杭",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "淘宝闪购",
"location": "北京 / 杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "饿了么",
"company_industry": "即时零售 / 生活服务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "饿了么相关平台为用户和商户提供生活服务及即时零售服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、应用数学等相关专业博士学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责淘宝闪购导购主链路，生成式搜索推荐系统的研发工作，包括但不局限于OneRec/OneSearch类的生成式架构的设计与实现，覆盖千万级DAU的个性化搜索推荐场景。\n2. 主导生成式推荐全链路算法开发，包括端到端内容生成、Decoder Only架构优化、强化学习奖励系统设计等创新模块，显著提升计算效率与推荐质量。\n3. 构建多模态用户行为建模系统，将短期搜索点击行为与长期购买偏好融合，打造具备语义理解能力的用户标识(UID)体系。\n4. 探索生成式技术在搜索排序中的应用，开发层次量化编码技术，解决商品信息结构化难题，提升CTR和订单转化率。",
"requirements_text": "1. 计算机、人工智能、应用数学等相关专业博士学历，在生成式模型领域有深入研究，发表过顶会论文者优先。\n3年以上搜索推荐算法经验，主导过生成式推荐系统完整项目者优先。\n2. 精通Transformer、Diffusion等生成架构，熟悉RQ-VAE等表征增强技术，有实际部署经验。熟练掌握强化学习框架(如Verl)，能设计偏好感知奖励系统，优化多目标排序问题。\n3. 具备Billion级参数模型调优能力，熟悉混合精度训练、模型量化等优化技术，有大规模分布式训练经验。",
"skills": [AI生成
"强化学习",
"推荐算法"
],
"preferred_qualifications": "1. 计算机、人工智能、应用数学等相关专业博士学历，在生成式模型领域有深入研究，发表过顶会论文者优先；3年以上搜索推荐算法经验，主导过生成式推荐系统完整项目者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.ele.me/off-campus/position-detail?positionId=100001929002"
}
]
},
"posting": {
"posting_id": "100001929002",
"post_date": "2026-08-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.ele.me/off-campus/position-detail?positionId=100001929002"
},
"fulltext": "淘宝闪购-搜索推荐算法专家-北上杭\n淘宝闪购-搜索推荐算法专家-北上杭\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州 / 上海\n\n职位描述\n1. 负责淘宝闪购导购主链路，生成式搜索推荐系统的研发工作，包括但不局限于OneRec/OneSearch类的生成式架构的设计与实现，覆盖千万级DAU的个性化搜索推荐场景。\n2. 主导生成式推荐全链路算法开发，包括端到端内容生成、Decoder Only架构优化、强化学习奖励系统设计等创新模块，显著提升计算效率与推荐质量。\n3. 构建多模态用户行为建模系统，将短期搜索点击行为与长期购买偏好融合，打造具备语义理解能力的用户标识(UID)体系。\n4. 探索生成式技术在搜索排序中的应用，开发层次量化编码技术，解决商品信息结构化难题，提升CTR和订单转化率。\n\n职位要求\n1. 计算机、人工智能、应用数学等相关专业博士学历，在生成式模型领域有深入研究，发表过顶会论文者优先。\n3年以上搜索推荐算法经验，主导过生成式推荐系统完整项目者优先。\n2. 精通Transformer、Diffusion等生成架构，熟悉RQ-VAE等表征增强技术，有实际部署经验。熟练掌握强化学习框架(如Verl)，能设计偏好感知奖励系统，优化多目标排序问题。\n3. 具备Billion级参数模型调优能力，熟悉混合精度训练、模型量化等优化技术，有大规模分布式训练经验。\n1. 负责淘宝闪购导购主链路，生成式搜索推荐系统的研发工作，包括但不局限于OneRec/OneSearch类的生成式架构的设计与实现，覆盖千万级DAU的个性化搜索推荐场景。\n2. 主导生成式推荐全链路算法开发，包括端到端内容生成、Decoder Only架构优化、强化学习奖励系统设计等创新模块，显著提升计算效率与推荐质量。\n3. 构建多模态用户行为建模系统，将短期搜索点击行为与长期购买偏好融合，打造具备语义理解能力的用户标识(UID)体系。\n4. 探索生成式技术在搜索排序中的应用，开发层次量化编码技术，解决商品信息结构化难题，提升CTR和订单转化率。\n1. 计算机、人工智能、应用数学等相关专业博士学历，在生成式模型领域有深入研究，发表过顶会论文者优先。\n3年以上搜索推荐算法经验，主导过生成式推荐系统完整项目者优先。\n2. 精通Transformer、Diffusion等生成架构，熟悉RQ-VAE等表征增强技术，有实际部署经验。熟练掌握强化学习框架(如Verl)，能设计偏好感知奖励系统，优化多目标排序问题。\n3. 具备Billion级参数模型调优能力，熟悉混合精度训练、模型量化等优化技术，有大规模分布式训练经验。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}