主分类：Agent系统开发
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-AI Agent算法工程师-广告算法",
"job_level": "未披露",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": "作为阿里妈妈 AI Agent 和客户成长团队的核心技术成员，你将主导下一代广告智能体系统的架构演进与策略创新。我们致力于将前沿的 LLM 与多智能体技术深度融入大规模商业决策场景，通过构建具备高度自主性与复杂推理能力的 Agent 体系，为广告主提供从精准投放到客户全生命周期运营的智能化闭环解决方案。在这里，你将探索 AI Agent 在动态博弈、长期记忆及个性化交互中的技术边界，驱动业务实现从自动化向智能化的跨越式增长。\n职位描述\n1、支持阿里妈妈核心广告产品中AI Agent相关算法能力设计和优化；构建完善与科学的营销智能体评价体系，持续优化现有Agent产品的产品能力与交互体验效果，打造行业Agent标杆；\n2、针对广告投放与客户运营场景，设计基于长期回报的优化目标与奖励函数，构建复杂环境反馈预估的世界模型，通过大规模强化学习与持续学习，设计高效的奖励、环境、策略模型的协同进化算法，以提升Agent在复杂营销环境下的自适应能力与业务应用效果；\n3、与工程团队紧密合作，共同定义和实现Harness能力的前沿创新，如Agent架构升级、长程任务优化、上\n下文管理、working memory与长期记忆、Skill编译与自进化等领域；\n4、通过持续学习算法优化，hybrid-training等方法，设计高效的自进化和终生学习方法，降低token消耗与成本；\n5、探索智能体auto-research在Agent效果优化与广告算法迭代的应用，基于业务真实反馈，识别当前auto-research中的效果评价与问题，并进行针对性的优化；\n6、跟踪 AI Agent 领域的最新学术进展，并将其转化为可落地的技术方案，持续提升团队在Agent算法领域的技术壁垒。",
"requirements_text": "1、计算机科学、人工智能、数学等相关专业的硕博学生，或有丰富的AI、LLM相关实践经验；\n2、兼备较强的AICoding能力，以及强悍的编码基本功，擅长将算力转化为生产力，用AI构建AI；\n3、抗压能力强；具备良好的沟通表达能力、数据驱动的分析能力，以及面向具体业务问题出色的问题定义和抽象能力；\n4、对于AI产品有热情与好奇心，深度参与过AI Native产品研发，或对AI原生应用有独到见解；\n5、熟悉LLM与Agent等相关算法原理， 尤其是在后训练、大规模强化学习、持续学习、自蒸馏等算法方向有研究或实践者优先；\n6、在人工智能相关顶会发表过论文者优先、在开源社区有高质量的 Agent 框架贡献或独立开发过成熟的 Agent 应用优先。",
"skills": [AI生成
"强化学习",
"沟通表达",
"分析能力"
],
"preferred_qualifications": "5、熟悉LLM与Agent等相关算法原理， 尤其是在后训练、大规模强化学习、持续学习、自蒸馏等算法方向有研究或实践者优先；6、在人工智能相关顶会发表过论文者优先、在开源社区有高质量的 Agent 框架贡献或独立开发过成熟的 Agent 应用优先",
"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=100021740003"
}
]
},
"posting": {
"posting_id": "100021740003",
"post_date": "2026-08-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100021740003"
},
"fulltext": "智能算法产品事业部-AI Agent算法工程师-广告算法\n智能算法产品事业部-AI Agent算法工程师-广告算法\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n作为阿里妈妈 AI Agent 和客户成长团队的核心技术成员，你将主导下一代广告智能体系统的架构演进与策略创新。我们致力于将前沿的 LLM 与多智能体技术深度融入大规模商业决策场景，通过构建具备高度自主性与复杂推理能力的 Agent 体系，为广告主提供从精准投放到客户全生命周期运营的智能化闭环解决方案。在这里，你将探索 AI Agent 在动态博弈、长期记忆及个性化交互中的技术边界，驱动业务实现从自动化向智能化的跨越式增长。\n职位描述\n1、支持阿里妈妈核心广告产品中AI Agent相关算法能力设计和优化；构建完善与科学的营销智能体评价体系，持续优化现有Agent产品的产品能力与交互体验效果，打造行业Agent标杆；\n2、针对广告投放与客户运营场景，设计基于长期回报的优化目标与奖励函数，构建复杂环境反馈预估的世界模型，通过大规模强化学习与持续学习，设计高效的奖励、环境、策略模型的协同进化算法，以提升Agent在复杂营销环境下的自适应能力与业务应用效果；\n3、与工程团队紧密合作，共同定义和实现Harness能力的前沿创新，如Agent架构升级、长程任务优化、上\n下文管理、working memory与长期记忆、Skill编译与自进化等领域；\n4、通过持续学习算法优化，hybrid-training等方法，设计高效的自进化和终生学习方法，降低token消耗与成本；\n5、探索智能体auto-research在Agent效果优化与广告算法迭代的应用，基于业务真实反馈，识别当前auto-research中的效果评价与问题，并进行针对性的优化；\n6、跟踪 AI Agent 领域的最新学术进展，并将其转化为可落地的技术方案，持续提升团队在Agent算法领域的技术壁垒。\n\n职位要求\n1、计算机科学、人工智能、数学等相关专业的硕博学生，或有丰富的AI、LLM相关实践经验；\n2、兼备较强的AICoding能力，以及强悍的编码基本功，擅长将算力转化为生产力，用AI构建AI；\n3、抗压能力强；具备良好的沟通表达能力、数据驱动的分析能力，以及面向具体业务问题出色的问题定义和抽象能力；\n4、对于AI产品有热情与好奇心，深度参与过AI Native产品研发，或对AI原生应用有独到见解；\n5、熟悉LLM与Agent等相关算法原理， 尤其是在后训练、大规模强化学习、持续学习、自蒸馏等算法方向有研究或实践者优先；\n6、在人工智能相关顶会发表过论文者优先、在开源社区有高质量的 Agent 框架贡献或独立开发过成熟的 Agent 应用优先。\n作为阿里妈妈 AI Agent 和客户成长团队的核心技术成员，你将主导下一代广告智能体系统的架构演进与策略创新。我们致力于将前沿的 LLM 与多智能体技术深度融入大规模商业决策场景，通过构建具备高度自主性与复杂推理能力的 Agent 体系，为广告主提供从精准投放到客户全生命周期运营的智能化闭环解决方案。在这里，你将探索 AI Agent 在动态博弈、长期记忆及个性化交互中的技术边界，驱动业务实现从自动化向智能化的跨越式增长。\n职位描述\n1、支持阿里妈妈核心广告产品中AI Agent相关算法能力设计和优化；构建完善与科学的营销智能体评价体系，持续优化现有Agent产品的产品能力与交互体验效果，打造行业Agent标杆；\n2、针对广告投放与客户运营场景，设计基于长期回报的优化目标与奖励函数，构建复杂环境反馈预估的世界模型，通过大规模强化学习与持续学习，设计高效的奖励、环境、策略模型的协同进化算法，以提升Agent在复杂营销环境下的自适应能力与业务应用效果；\n3、与工程团队紧密合作，共同定义和实现Harness能力的前沿创新，如Agent架构升级、长程任务优化、上\n下文管理、working memory与长期记忆、Skill编译与自进化等领域；\n4、通过持续学习算法优化，hybrid-training等方法，设计高效的自进化和终生学习方法，降低token消耗与成本；\n5、探索智能体auto-research在Agent效果优化与广告算法迭代的应用，基于业务真实反馈，识别当前auto-research中的效果评价与问题，并进行针对性的优化；\n6、跟踪 AI Agent 领域的最新学术进展，并将其转化为可落地的技术方案，持续提升团队在Agent算法领域的技术壁垒。\n1、计算机科学、人工智能、数学等相关专业的硕博学生，或有丰富的AI、LLM相关实践经验；\n2、兼备较强的AICoding能力，以及强悍的编码基本功，擅长将算力转化为生产力，用AI构建AI；\n3、抗压能力强；具备良好的沟通表达能力、数据驱动的分析能力，以及面向具体业务问题出色的问题定义和抽象能力；\n4、对于AI产品有热情与好奇心，深度参与过AI Native产品研发，或对AI原生应用有独到见解；\n5、熟悉LLM与Agent等相关算法原理， 尤其是在后训练、大规模强化学习、持续学习、自蒸馏等算法方向有研究或实践者优先；\n6、在人工智能相关顶会发表过论文者优先、在开源社区有高质量的 Agent 框架贡献或独立开发过成熟的 Agent 应用优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}