职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:100010875003

阿里国际站-高级算法工程师-搜索算法效率

未披露 · 杭州 · 阿里国际数字商业

主分类:搜索推荐与业务决策算法研发
算法与数据
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": "阿里国际站-高级算法工程师-搜索算法效率",
        "job_level": "高级",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类-算法"AI生成
    },
    "company": {
        "company_name": "阿里国际数字商业",
        "company_industry": "跨境电商",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "阿里国际数字商业业务涉及国际电商平台及跨境商品交易。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机、电子工程、人工智能、数学或相关专业硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责阿里巴巴国际站用户理解、召回、排序与策略等方向优化,优化搜索大盘买卖家匹配与转化效率\n2. 基于深度学习、图表征、多模态等技术,针对数据稀疏与多国家多行业等 B 类特有问题,结合大模型能力,优化大盘 CTR/CVR 排序与预估模型\n3. 负责超大规模深度学习在用户/商品表征学习、向量化召回、点击/成交转化模型预估等的应用和创新\n4. 探索大语言模型在搜推领域的应用(包括但不限于生成式推荐等)\n5. 结合以上方向的探索和研究,撰写发表论文,和业界、学术界保持良好的交流",
        "requirements_text": "1. 计算机、电子工程、人工智能、数学或相关专业硕士及以上学历\n2. 硕士三年以上/博士两年以上工作经验,有推荐、搜索、广告等背景优先\n3. 熟悉机器学习原理与算法,能熟练运用分类、回归、排序和NLP相关模型解决问题\n4. 熟练掌握Java/C++/Python等中至少一门语言、具有扎实的数据结构功底和强悍的代码能力\n5. 有大规模深度学习、强化学习和大语言模型应用或研究背景优先\n6. 熟悉Bert、GPT3、R1等预训练模型,对模型训练、prompt设计、 instruct微调、Multi-Agent系统框架技术有深入了解的优先\n6. 在WWW、KDD、SIGIR、RecSys、WSDM等国际顶会发表过论文者优先",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "机器学习",
            "深度学习",
            "强化学习",
            "数据结构",
            "模型训练",
            "解决问题",
            "大语言模型"
        ],
        "preferred_qualifications": "2. 硕士三年以上/博士两年以上工作经验,有推荐、搜索、广告等背景优先;5. 有大规模深度学习、强化学习和大语言模型应用或研究背景优先;6. 熟悉Bert、GPT3、R1等预训练模型,对模型训练、prompt设计、 instruct微调、Multi-Agent系统框架技术有深入了解的优先;6. 在WWW、KDD、SIGIR、RecSys、WSDM等国际顶会发表过论文者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100010875003"
            }
        ]
    },
    "posting": {
        "posting_id": "100010875003",
        "post_date": "2026-09-15",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100010875003"
    },
    "fulltext": "阿里国际站-高级算法工程师-搜索算法效率\n阿里国际站-高级算法工程师-搜索算法效率\n\n基础信息\n职位类别:技术类-算法\n工作地点:杭州\n\n职位描述\n1. 负责阿里巴巴国际站用户理解、召回、排序与策略等方向优化,优化搜索大盘买卖家匹配与转化效率\n2. 基于深度学习、图表征、多模态等技术,针对数据稀疏与多国家多行业等 B 类特有问题,结合大模型能力,优化大盘 CTR/CVR 排序与预估模型\n3. 负责超大规模深度学习在用户/商品表征学习、向量化召回、点击/成交转化模型预估等的应用和创新\n4. 探索大语言模型在搜推领域的应用(包括但不限于生成式推荐等)\n5. 结合以上方向的探索和研究,撰写发表论文,和业界、学术界保持良好的交流\n\n职位要求\n1. 计算机、电子工程、人工智能、数学或相关专业硕士及以上学历\n2. 硕士三年以上/博士两年以上工作经验,有推荐、搜索、广告等背景优先\n3. 熟悉机器学习原理与算法,能熟练运用分类、回归、排序和NLP相关模型解决问题\n4. 熟练掌握Java/C++/Python等中至少一门语言、具有扎实的数据结构功底和强悍的代码能力\n5. 有大规模深度学习、强化学习和大语言模型应用或研究背景优先\n6. 熟悉Bert、GPT3、R1等预训练模型,对模型训练、prompt设计、 instruct微调、Multi-Agent系统框架技术有深入了解的优先\n6. 在WWW、KDD、SIGIR、RecSys、WSDM等国际顶会发表过论文者优先\n1. 负责阿里巴巴国际站用户理解、召回、排序与策略等方向优化,优化搜索大盘买卖家匹配与转化效率\n2. 基于深度学习、图表征、多模态等技术,针对数据稀疏与多国家多行业等 B 类特有问题,结合大模型能力,优化大盘 CTR/CVR 排序与预估模型\n3. 负责超大规模深度学习在用户/商品表征学习、向量化召回、点击/成交转化模型预估等的应用和创新\n4. 探索大语言模型在搜推领域的应用(包括但不限于生成式推荐等)\n5. 结合以上方向的探索和研究,撰写发表论文,和业界、学术界保持良好的交流\n1. 计算机、电子工程、人工智能、数学或相关专业硕士及以上学历\n2. 硕士三年以上/博士两年以上工作经验,有推荐、搜索、广告等背景优先\n3. 熟悉机器学习原理与算法,能熟练运用分类、回归、排序和NLP相关模型解决问题\n4. 熟练掌握Java/C++/Python等中至少一门语言、具有扎实的数据结构功底和强悍的代码能力\n5. 有大规模深度学习、强化学习和大语言模型应用或研究背景优先\n6. 熟悉Bert、GPT3、R1等预训练模型,对模型训练、prompt设计、 instruct微调、Multi-Agent系统框架技术有深入了解的优先\n6. 在WWW、KDD、SIGIR、RecSys、WSDM等国际顶会发表过论文者优先",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}