主分类：搜索推荐与业务决策算法研发
辅助：Agent系统开发（仅展示）
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": "飞猪-大模型算法高级工程师/算法专家-广告方向",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "飞猪",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "飞猪",
"company_industry": "在线旅游",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "飞猪提供目的地、酒店、景点及旅游服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "我们提供"
},
"requirements": {
"working_years": "",
"degree": "计算机科学、人工智能、自然语言处理或相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们是飞猪AI智能体和导购团队，负责飞猪商业化Agent的核心能力建设与业务落地、以及度假、酒店、品牌广告的投放的全链路工作。\n你将参与以下核心工作：\n1、负责飞猪商业化 Agent 的优化与迭代，包括但不限于 Agent 架构设计、工具调用、多轮对话管理、长上下文推理等关键能力的提升\n2、与产品、工程团队紧密协作，将算法能力转化为可落地的用户体验，持续优化 Agent 的业务指标\n3、负责广告的全链路优化，包括预算分配、竞价、粗/混排，广告agent的构建",
"requirements_text": "1、计算机科学、人工智能、自然语言处理或相关专业本科及以上学历\n2、广告/搜推背景，对广告的全链路有了解。\n3、1 年以上大模型或 NLP 领域算法研发经验，有 Agent、RAG、Search 等方向的实战经验优先熟悉 Transformer 架构，具备大模型微调（SFT / RLHF / DPO）或推理优化的实践经验，扎实的编程能力，熟练使用 Python，熟悉 PyTorch 等主流深度学习框架具备良好的问题分析与解决能力，能够独立推进算法方案的端到端落地\n加分项\n有 Agent 框架开发经验（如 LangChain、AutoGPT、ReAct、Tool-Use 等）\n有多模态大模型研发经验（如视觉-语言模型、图文匹配、多模态推理等）\n在搜索推荐、对话系统、知识图谱等方向有工程落地经验\n在 NLP / CV / 多模态顶会（ACL / NeurIPS / CVPR / ICCV 等）发表过论文\n有旅行垂直场景或电商场景的算法经验\n我们提供\n参与旅行行业大模型 Agent 从 0 到 1 的建设过程，直面真实复杂场景的技术挑战\n与阿里千问大模型团队深度协作，接触前沿的基座模型能力与工程基础设施\n业务结果导向、技术深度并重的团队文化，鼓励创新与快速迭代",
"skills": [AI生成
"Python",
"PyTorch",
"React",
"深度学习",
"自然语言处理",
"知识图谱",
"模型微调",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "3、1 年以上大模型或 NLP 领域算法研发经验，有 Agent、RAG、Search 等方向的实战经验优先熟悉 Transformer 架构，具备大模型微调（SFT / RLHF / DPO）或推理优化的实践经验，扎实的编程能力，熟练使用 Python，熟悉 PyTorch 等主流深度学习框架具备良好的问题分析与解决能力，能够独立推进算法方案的端到端落地；加分项",
"job_highlights": "我们提供"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://career.fliggy.com/off-campus/position-detail?positionId=100022900012"
}
]
},
"posting": {
"posting_id": "100022900012",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://career.fliggy.com/off-campus/position-detail?positionId=100022900012"
},
"fulltext": "飞猪-大模型算法高级工程师/算法专家-广告方向\n飞猪-大模型算法高级工程师/算法专家-广告方向\n\n基础信息\n工作地点：杭州\n\n职位描述\n我们是飞猪AI智能体和导购团队，负责飞猪商业化Agent的核心能力建设与业务落地、以及度假、酒店、品牌广告的投放的全链路工作。\n你将参与以下核心工作：\n1、负责飞猪商业化 Agent 的优化与迭代，包括但不限于 Agent 架构设计、工具调用、多轮对话管理、长上下文推理等关键能力的提升\n2、与产品、工程团队紧密协作，将算法能力转化为可落地的用户体验，持续优化 Agent 的业务指标\n3、负责广告的全链路优化，包括预算分配、竞价、粗/混排，广告agent的构建\n\n职位要求\n1、计算机科学、人工智能、自然语言处理或相关专业本科及以上学历\n2、广告/搜推背景，对广告的全链路有了解。\n3、1 年以上大模型或 NLP 领域算法研发经验，有 Agent、RAG、Search 等方向的实战经验优先熟悉 Transformer 架构，具备大模型微调（SFT / RLHF / DPO）或推理优化的实践经验，扎实的编程能力，熟练使用 Python，熟悉 PyTorch 等主流深度学习框架具备良好的问题分析与解决能力，能够独立推进算法方案的端到端落地\n加分项\n有 Agent 框架开发经验（如 LangChain、AutoGPT、ReAct、Tool-Use 等）\n有多模态大模型研发经验（如视觉-语言模型、图文匹配、多模态推理等）\n在搜索推荐、对话系统、知识图谱等方向有工程落地经验\n在 NLP / CV / 多模态顶会（ACL / NeurIPS / CVPR / ICCV 等）发表过论文\n有旅行垂直场景或电商场景的算法经验\n我们提供\n参与旅行行业大模型 Agent 从 0 到 1 的建设过程，直面真实复杂场景的技术挑战\n与阿里千问大模型团队深度协作，接触前沿的基座模型能力与工程基础设施\n业务结果导向、技术深度并重的团队文化，鼓励创新与快速迭代\n我们是飞猪AI智能体和导购团队，负责飞猪商业化Agent的核心能力建设与业务落地、以及度假、酒店、品牌广告的投放的全链路工作。\n你将参与以下核心工作：\n1、负责飞猪商业化 Agent 的优化与迭代，包括但不限于 Agent 架构设计、工具调用、多轮对话管理、长上下文推理等关键能力的提升\n2、与产品、工程团队紧密协作，将算法能力转化为可落地的用户体验，持续优化 Agent 的业务指标\n3、负责广告的全链路优化，包括预算分配、竞价、粗/混排，广告agent的构建\n1、计算机科学、人工智能、自然语言处理或相关专业本科及以上学历\n2、广告/搜推背景，对广告的全链路有了解。\n3、1 年以上大模型或 NLP 领域算法研发经验，有 Agent、RAG、Search 等方向的实战经验优先熟悉 Transformer 架构，具备大模型微调（SFT / RLHF / DPO）或推理优化的实践经验，扎实的编程能力，熟练使用 Python，熟悉 PyTorch 等主流深度学习框架具备良好的问题分析与解决能力，能够独立推进算法方案的端到端落地\n加分项\n有 Agent 框架开发经验（如 LangChain、AutoGPT、ReAct、Tool-Use 等）\n有多模态大模型研发经验（如视觉-语言模型、图文匹配、多模态推理等）\n在搜索推荐、对话系统、知识图谱等方向有工程落地经验\n在 NLP / CV / 多模态顶会（ACL / NeurIPS / CVPR / ICCV 等）发表过论文\n有旅行垂直场景或电商场景的算法经验\n我们提供\n参与旅行行业大模型 Agent 从 0 到 1 的建设过程，直面真实复杂场景的技术挑战\n与阿里千问大模型团队深度协作，接触前沿的基座模型能力与工程基础设施\n业务结果导向、技术深度并重的团队文化，鼓励创新与快速迭代",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}