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": "智能算法产品事业部-大模型算法（Agent方向）-杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "淘天集团",
"location": "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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们在建设淘宝下全场景统一的多轮需求预测Agent，定位是：在淘宝购物过程中（搜前、搜中、搜后、购后），能够及时捕捉用户的兴趣偏好，通过query的方式对用户进行引导。该能力是淘宝搜索导购的一个重要能力，每天影响亿级别用户的消费决策。主要的工作包含不仅限于以下：\n1、需求预测Agent的长程多轮推理与系统自进化：面向需求预测Agent在被动交互、隐式非稳态反馈与毫秒级延迟下的三重挑战，我们探索如何实现Session内多轮长程信用分配、如何构建预算感知的 Harness自进化机制、以及如何在毫秒预算内完成多层异质决策的单次高效推理，支撑端到端优化闭环。\n2、电商场景下的基于用户多模态复杂行为的Memory系统设计：面向电商Agent在高频隐式多模态信号、意图非稳态耦合与工业级RT约束下的三重挑战，我们探索如何构建无显式边界 Session 的层级化记忆组织体系、如何实现基于信息增量驱动与规则约束的双轨衰减更新机制、支撑复杂场景下的精准记忆沉淀闭环。\n3、多模态行为序列压缩与跨场景统一模型的融合训练和分级推理：面对行为序列膨胀与毫秒级延迟的双重约束，如何对文本/图片/行为meta进行差异化语义压缩以控制token规模；如何生成跨场景连贯的个性化Query表达，通过跨场景蒸馏将多场景能力融合至统一VLM。",
"requirements_text": "1、本科及以上学历，计算机科学与技术相关专业，有较强的逻辑思维能力，能够快速拆解问题和解决问题。\n2、熟悉Dense/MoE语言大模型、多模态大模型，有较强的理论基础和实战经验。\n3、熟悉Agent的当前主流架构，在Memory、Agentic RL等某一方向有实战经验优先。\n4、熟悉SFT、GROP、OPD等Post-training方向上有实战经验，有大模型在实际业务中的应用经验的优先。\n5、了解大模型在搜广推场景的应用优先，有生成式推荐/检索/排序等算法的经验优先。",
"skills": [AI生成
"解决问题",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "3、熟悉Agent的当前主流架构，在Memory、Agentic RL等某一方向有实战经验优先；4、熟悉SFT、GROP、OPD等Post-training方向上有实战经验，有大模型在实际业务中的应用经验的优先；5、了解大模型在搜广推场景的应用优先，有生成式推荐/检索/排序等算法的经验优先",
"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=100011400029"
}
]
},
"posting": {
"posting_id": "100011400029",
"post_date": "2026-08-25",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100011400029"
},
"fulltext": "智能算法产品事业部-大模型算法（Agent方向）-杭州\n智能算法产品事业部-大模型算法（Agent方向）-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n我们在建设淘宝下全场景统一的多轮需求预测Agent，定位是：在淘宝购物过程中（搜前、搜中、搜后、购后），能够及时捕捉用户的兴趣偏好，通过query的方式对用户进行引导。该能力是淘宝搜索导购的一个重要能力，每天影响亿级别用户的消费决策。主要的工作包含不仅限于以下：\n1、需求预测Agent的长程多轮推理与系统自进化：面向需求预测Agent在被动交互、隐式非稳态反馈与毫秒级延迟下的三重挑战，我们探索如何实现Session内多轮长程信用分配、如何构建预算感知的 Harness自进化机制、以及如何在毫秒预算内完成多层异质决策的单次高效推理，支撑端到端优化闭环。\n2、电商场景下的基于用户多模态复杂行为的Memory系统设计：面向电商Agent在高频隐式多模态信号、意图非稳态耦合与工业级RT约束下的三重挑战，我们探索如何构建无显式边界 Session 的层级化记忆组织体系、如何实现基于信息增量驱动与规则约束的双轨衰减更新机制、支撑复杂场景下的精准记忆沉淀闭环。\n3、多模态行为序列压缩与跨场景统一模型的融合训练和分级推理：面对行为序列膨胀与毫秒级延迟的双重约束，如何对文本/图片/行为meta进行差异化语义压缩以控制token规模；如何生成跨场景连贯的个性化Query表达，通过跨场景蒸馏将多场景能力融合至统一VLM。\n\n职位要求\n1、本科及以上学历，计算机科学与技术相关专业，有较强的逻辑思维能力，能够快速拆解问题和解决问题。\n2、熟悉Dense/MoE语言大模型、多模态大模型，有较强的理论基础和实战经验。\n3、熟悉Agent的当前主流架构，在Memory、Agentic RL等某一方向有实战经验优先。\n4、熟悉SFT、GROP、OPD等Post-training方向上有实战经验，有大模型在实际业务中的应用经验的优先。\n5、了解大模型在搜广推场景的应用优先，有生成式推荐/检索/排序等算法的经验优先。\n我们在建设淘宝下全场景统一的多轮需求预测Agent，定位是：在淘宝购物过程中（搜前、搜中、搜后、购后），能够及时捕捉用户的兴趣偏好，通过query的方式对用户进行引导。该能力是淘宝搜索导购的一个重要能力，每天影响亿级别用户的消费决策。主要的工作包含不仅限于以下：\n1、需求预测Agent的长程多轮推理与系统自进化：面向需求预测Agent在被动交互、隐式非稳态反馈与毫秒级延迟下的三重挑战，我们探索如何实现Session内多轮长程信用分配、如何构建预算感知的 Harness自进化机制、以及如何在毫秒预算内完成多层异质决策的单次高效推理，支撑端到端优化闭环。\n2、电商场景下的基于用户多模态复杂行为的Memory系统设计：面向电商Agent在高频隐式多模态信号、意图非稳态耦合与工业级RT约束下的三重挑战，我们探索如何构建无显式边界 Session 的层级化记忆组织体系、如何实现基于信息增量驱动与规则约束的双轨衰减更新机制、支撑复杂场景下的精准记忆沉淀闭环。\n3、多模态行为序列压缩与跨场景统一模型的融合训练和分级推理：面对行为序列膨胀与毫秒级延迟的双重约束，如何对文本/图片/行为meta进行差异化语义压缩以控制token规模；如何生成跨场景连贯的个性化Query表达，通过跨场景蒸馏将多场景能力融合至统一VLM。\n1、本科及以上学历，计算机科学与技术相关专业，有较强的逻辑思维能力，能够快速拆解问题和解决问题。\n2、熟悉Dense/MoE语言大模型、多模态大模型，有较强的理论基础和实战经验。\n3、熟悉Agent的当前主流架构，在Memory、Agentic RL等某一方向有实战经验优先。\n4、熟悉SFT、GROP、OPD等Post-training方向上有实战经验，有大模型在实际业务中的应用经验的优先。\n5、了解大模型在搜广推场景的应用优先，有生成式推荐/检索/排序等算法的经验优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}