主分类：大模型与生成式算法研发
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": "业务技术-后训练算法工程师-用户场景营销",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "面向淘宝营销业务，围绕商品运营、用户运营等具体方向，开展训练数据构建、后训练方案设计、实验评估与效果迭代，推动模型持续优化并提升业务效果。\n具体职责包括：\n1. 后训练方案设计与优化：结合业务目标、数据特点和模型现状，制定后训练优化方案，选择合适的训练策略并完成效果验证；\n2. 训练工程与实验执行：负责训练任务的工程化执行与过程管理，完成数据准备、训练配置、实验运行、效果对比和结果分析，支撑模型版本迭代；\n3. 业务数据构建与质量控制：围绕具体业务场景，完成指令数据、偏好数据、拒答数据、评测回流数据等训练数据的采集、清洗、去重、分层、标注与质量控制；\n4. 效果评估与持续迭代：结合离线评测、人工评审、线上实验、badcase 分析和业务反馈，系统评估训练收益，定位效果退化、覆盖不足等问题，并推动优化迭代；\n5. 跨团队协同与落地推进：协同产品、运营、数据、工程等团队成员，完成需求澄清、数据对接、训练评估与上线支持，推动模型能力在业务场景中的落地应用。",
"requirements_text": "1. 硕士及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业优先；\n2. 具备扎实的软件工程与机器学习基础，熟悉 Python/JAVA 等至少一门主流编程语言；\n3. 熟悉 SFT、DPO、GRPO、RLHF 等主流后训练方法，能够结合业务场景说明不同方法的适用边界；\n4. 熟练应用 LoRA、QLoRA、分布式训练、混合精度、Checkpoint 管理等训练工程方法，具备训练任务执行与实验分析经验；\n5. 具备训练数据构建能力，能够完成指令数据、偏好数据、拒答数据或评测回流数据的整理、清洗、标注与质量控制；\n6. 具备较强的业务理解能力、逻辑分析能力和跨团队协作能力，能够持续推动模型效果优化与业务落地。\n加分项：具备垂直业务场景大模型后训练、评测与持续优化的完整实践经验，能够围绕业务目标形成训练-评测-迭代闭环。",
"skills": [AI生成
"Python",
"Java",
"机器学习",
"团队协作",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "1. 硕士及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业优先；加分项：具备垂直业务场景大模型后训练、评测与持续优化的完整实践经验，能够围绕业务目标形成训练-评测-迭代闭环",
"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=100012640001"
}
]
},
"posting": {
"posting_id": "100012640001",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100012640001"
},
"fulltext": "业务技术-后训练算法工程师-用户场景营销\n业务技术-后训练算法工程师-用户场景营销\n\n基础信息\n工作地点：杭州\n\n职位描述\n面向淘宝营销业务，围绕商品运营、用户运营等具体方向，开展训练数据构建、后训练方案设计、实验评估与效果迭代，推动模型持续优化并提升业务效果。\n具体职责包括：\n1. 后训练方案设计与优化：结合业务目标、数据特点和模型现状，制定后训练优化方案，选择合适的训练策略并完成效果验证；\n2. 训练工程与实验执行：负责训练任务的工程化执行与过程管理，完成数据准备、训练配置、实验运行、效果对比和结果分析，支撑模型版本迭代；\n3. 业务数据构建与质量控制：围绕具体业务场景，完成指令数据、偏好数据、拒答数据、评测回流数据等训练数据的采集、清洗、去重、分层、标注与质量控制；\n4. 效果评估与持续迭代：结合离线评测、人工评审、线上实验、badcase 分析和业务反馈，系统评估训练收益，定位效果退化、覆盖不足等问题，并推动优化迭代；\n5. 跨团队协同与落地推进：协同产品、运营、数据、工程等团队成员，完成需求澄清、数据对接、训练评估与上线支持，推动模型能力在业务场景中的落地应用。\n\n职位要求\n1. 硕士及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业优先；\n2. 具备扎实的软件工程与机器学习基础，熟悉 Python/JAVA 等至少一门主流编程语言；\n3. 熟悉 SFT、DPO、GRPO、RLHF 等主流后训练方法，能够结合业务场景说明不同方法的适用边界；\n4. 熟练应用 LoRA、QLoRA、分布式训练、混合精度、Checkpoint 管理等训练工程方法，具备训练任务执行与实验分析经验；\n5. 具备训练数据构建能力，能够完成指令数据、偏好数据、拒答数据或评测回流数据的整理、清洗、标注与质量控制；\n6. 具备较强的业务理解能力、逻辑分析能力和跨团队协作能力，能够持续推动模型效果优化与业务落地。\n加分项：具备垂直业务场景大模型后训练、评测与持续优化的完整实践经验，能够围绕业务目标形成训练-评测-迭代闭环。\n面向淘宝营销业务，围绕商品运营、用户运营等具体方向，开展训练数据构建、后训练方案设计、实验评估与效果迭代，推动模型持续优化并提升业务效果。\n具体职责包括：\n1. 后训练方案设计与优化：结合业务目标、数据特点和模型现状，制定后训练优化方案，选择合适的训练策略并完成效果验证；\n2. 训练工程与实验执行：负责训练任务的工程化执行与过程管理，完成数据准备、训练配置、实验运行、效果对比和结果分析，支撑模型版本迭代；\n3. 业务数据构建与质量控制：围绕具体业务场景，完成指令数据、偏好数据、拒答数据、评测回流数据等训练数据的采集、清洗、去重、分层、标注与质量控制；\n4. 效果评估与持续迭代：结合离线评测、人工评审、线上实验、badcase 分析和业务反馈，系统评估训练收益，定位效果退化、覆盖不足等问题，并推动优化迭代；\n5. 跨团队协同与落地推进：协同产品、运营、数据、工程等团队成员，完成需求澄清、数据对接、训练评估与上线支持，推动模型能力在业务场景中的落地应用。\n1. 硕士及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业优先；\n2. 具备扎实的软件工程与机器学习基础，熟悉 Python/JAVA 等至少一门主流编程语言；\n3. 熟悉 SFT、DPO、GRPO、RLHF 等主流后训练方法，能够结合业务场景说明不同方法的适用边界；\n4. 熟练应用 LoRA、QLoRA、分布式训练、混合精度、Checkpoint 管理等训练工程方法，具备训练任务执行与实验分析经验；\n5. 具备训练数据构建能力，能够完成指令数据、偏好数据、拒答数据或评测回流数据的整理、清洗、标注与质量控制；\n6. 具备较强的业务理解能力、逻辑分析能力和跨团队协作能力，能够持续推动模型效果优化与业务落地。\n加分项：具备垂直业务场景大模型后训练、评测与持续优化的完整实践经验，能够围绕业务目标形成训练-评测-迭代闭环。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}