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": "数据技术及产品部-消费者认知高级算法工程师-杭州",
"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": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"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": "1、基于大语言模型（LLM）和多模态技术，深度融合用户行为序列与跨域交互数据，构建AI-native的阿里全域消费者识别与认知体系，实现从传统标签画像到生成式用户认知的范式升级。\n2、负责全域用户记忆资产的研发与落地，构建覆盖多业务域的跨域用户认知体系。基于LLM的用户行为理解与结构化记忆抽取，打造高质量、低成本、可自演化的用户Memory资产生产管线，支撑集团各业务线Agent的个性化服务能力。\n3、负责记忆资产生产全链路的技术研发，包括MapReduce式记忆抽取Pipeline设计、多维度质量评测体系（MemBench）建设、大模型到小模型的蒸馏训练（OPD/RL/DPO），以及记忆检索与召回策略优化，持续提升记忆资产质量并降低推理成本。\n4、参与前沿技术探索与学术产出，在记忆自演化机制、跨域协同推理、Memory-Grounded Reward等方向开展创新研究，撰写发表顶会论文，参与开源社区与技术影响力建设。",
"requirements_text": "1、硕士及以上学历，计算机科学与技术、人工智能、数学等相关专业；有LLM/NLP/知识图谱方向研究背景优先。\n2、2年以上大模型相关算法研发经验，熟悉常见深度学习框架（PyTorch优先），有大模型后训练（SFT/RL/蒸馏）或Agent系统开发经验者优先。\n3、扎实的工程实现能力，能独立完成从问题定义、数据构建、模型训练、评测迭代到线上部署的全流程；熟悉大规模推理平台（如vLLM、SGLang）和数据处理框架（如Spark、ODPS）者优先。\n4、具备良好的问题分析与解决能力，对前沿技术保持敏感度；有顶会论文发表（一作或通讯）或高质量开源项目贡献者优先。",
"skills": [AI生成
"Spark",
"PyTorch",
"深度学习",
"自然语言处理",
"知识图谱",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "有LLM/NLP/知识图谱方向研究背景优先；2、2年以上大模型相关算法研发经验，熟悉常见深度学习框架（PyTorch优先），有大模型后训练（SFT/RL/蒸馏）或Agent系统开发经验者优先；熟悉大规模推理平台（如vLLM、SGLang）和数据处理框架（如Spark、ODPS）者优先；有顶会论文发表（一作或通讯）或高质量开源项目贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100022960005"
}
]
},
"posting": {
"posting_id": "100022960005",
"post_date": "2026-08-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100022960005"
},
"fulltext": "数据技术及产品部-消费者认知高级算法工程师-杭州\n数据技术及产品部-消费者认知高级算法工程师-杭州\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、基于大语言模型（LLM）和多模态技术，深度融合用户行为序列与跨域交互数据，构建AI-native的阿里全域消费者识别与认知体系，实现从传统标签画像到生成式用户认知的范式升级。\n2、负责全域用户记忆资产的研发与落地，构建覆盖多业务域的跨域用户认知体系。基于LLM的用户行为理解与结构化记忆抽取，打造高质量、低成本、可自演化的用户Memory资产生产管线，支撑集团各业务线Agent的个性化服务能力。\n3、负责记忆资产生产全链路的技术研发，包括MapReduce式记忆抽取Pipeline设计、多维度质量评测体系（MemBench）建设、大模型到小模型的蒸馏训练（OPD/RL/DPO），以及记忆检索与召回策略优化，持续提升记忆资产质量并降低推理成本。\n4、参与前沿技术探索与学术产出，在记忆自演化机制、跨域协同推理、Memory-Grounded Reward等方向开展创新研究，撰写发表顶会论文，参与开源社区与技术影响力建设。\n\n职位要求\n1、硕士及以上学历，计算机科学与技术、人工智能、数学等相关专业；有LLM/NLP/知识图谱方向研究背景优先。\n2、2年以上大模型相关算法研发经验，熟悉常见深度学习框架（PyTorch优先），有大模型后训练（SFT/RL/蒸馏）或Agent系统开发经验者优先。\n3、扎实的工程实现能力，能独立完成从问题定义、数据构建、模型训练、评测迭代到线上部署的全流程；熟悉大规模推理平台（如vLLM、SGLang）和数据处理框架（如Spark、ODPS）者优先。\n4、具备良好的问题分析与解决能力，对前沿技术保持敏感度；有顶会论文发表（一作或通讯）或高质量开源项目贡献者优先。\n1、基于大语言模型（LLM）和多模态技术，深度融合用户行为序列与跨域交互数据，构建AI-native的阿里全域消费者识别与认知体系，实现从传统标签画像到生成式用户认知的范式升级。\n2、负责全域用户记忆资产的研发与落地，构建覆盖多业务域的跨域用户认知体系。基于LLM的用户行为理解与结构化记忆抽取，打造高质量、低成本、可自演化的用户Memory资产生产管线，支撑集团各业务线Agent的个性化服务能力。\n3、负责记忆资产生产全链路的技术研发，包括MapReduce式记忆抽取Pipeline设计、多维度质量评测体系（MemBench）建设、大模型到小模型的蒸馏训练（OPD/RL/DPO），以及记忆检索与召回策略优化，持续提升记忆资产质量并降低推理成本。\n4、参与前沿技术探索与学术产出，在记忆自演化机制、跨域协同推理、Memory-Grounded Reward等方向开展创新研究，撰写发表顶会论文，参与开源社区与技术影响力建设。\n1、硕士及以上学历，计算机科学与技术、人工智能、数学等相关专业；有LLM/NLP/知识图谱方向研究背景优先。\n2、2年以上大模型相关算法研发经验，熟悉常见深度学习框架（PyTorch优先），有大模型后训练（SFT/RL/蒸馏）或Agent系统开发经验者优先。\n3、扎实的工程实现能力，能独立完成从问题定义、数据构建、模型训练、评测迭代到线上部署的全流程；熟悉大规模推理平台（如vLLM、SGLang）和数据处理框架（如Spark、ODPS）者优先。\n4、具备良好的问题分析与解决能力，对前沿技术保持敏感度；有顶会论文发表（一作或通讯）或高质量开源项目贡献者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}