{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "供应链产品技术部-大模型决策算法专家-杭州",
        "job_level": "专家",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": "运筹优化、机器学习、人工智能、计算机科学、工业工程、物流工程等相关专业硕士或以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "我们坚信算法是供应链智能化的核心驱动力。团队深度融合机器学习、深度学习、强化学习、运筹优化、大规模仿真、大语言模型（LLM）与多模态大模型（VLM/MLLM）等前沿 AI 技术，在品类规划、需求预测、库存优化、订单履约、物流执行等供应链核心环节构建智能化算法体系，持续推动自动化、智能化升级，为业务创造可量化的效率提升与成本优化。\n在大模型决策方向，持续拓展供应链决策算法能力矩阵，构建端到端数据驱动决策算法、基于 LLM 的自进化优化算法（LLM-based Self-Evolution Optimization）与垂直领域基础大模型（如 Inventory Foundation Models），将大语言模型（LLM）、运筹优化（OR）与供应链决策优化深度融合，解决供应链计划（补货、调拨、订单履约）与物流执行（仓储优化、干线运输）中的关键决策问题，显著实现供应链成本、效率与体验的优化。\n岗位职责：\n1. 负责淘天海量供应链计划与物流执行数据的分析与建模，覆盖供应链计划（补货、调拨、订单履约）与物流执行（仓储优化、干线运输）等端到端决策场景，持续优化供应链成本、效率与体验；\n2. 紧跟大语言模型（LLM）、LLM-based Decision Making 与自进化优化（Self-Evolution Optimization）前沿方向，参与端到端数据驱动决策算法、LLM自进化启发式询优系统以及垂直领域基础大模型（如 Inventory Foundation Models）的架构设计、训练范式优化与决策链路构建，构建供应链决策域深度技术壁垒；\n3. 设计、研发并落地大模型决策算法，综合运用运筹优化（MILP/LP/DP/随机优化/鲁棒优化）、深度强化学习（DRL/Multi-Agents DRL）、大语言模型等方法，提升复杂决策问题的求解效率与业务可解释性，推动可量化的业务价值；\n4. 针对自营行业、跨境供给、Fashion88 等行业特性，构建智能补货、库存调拨、订单履约优化、仓储作业优化、运输路径优化等算法能力，支撑行业成本、效率、履约体验与损益等核心经营目标达成。",
        "requirements_text": "1. 运筹优化、机器学习、人工智能、计算机科学、工业工程、物流工程等相关专业硕士或以上学历；\n2. 熟练掌握 Python，熟悉 PyTorch/TensorFlow 等深度学习框架，具备大规模分布式训练、推理优化与工程部署经验；熟悉 SQL、Spark/Hadoop/Flink 等大数据处理工具，能高效处理海量电商供应链数据；\n3. 扎实的供应链决策优化基础，熟悉库存优化、补货策略、网络优化、调度优化、路径优化、仓储优化、供应链仿真等至少一个方向；\n4. 熟悉运筹优化方法，如混合整数规划（MIP/MILP）、线性规划、动态规划、随机优化、元启发式算法等；熟悉大语言模型相关技术，如预训练（CPT）、后训练（SFT/DPO/RLHF）、PE、LLM Agent、RAG、推理增强等；有 LLM 在供应链垂直领域落地经验者优先；\n5. 具备业务抽象与建模能力，能够将复杂的供应链决策问题分解、抽象成可求解的数学模型或学习模型；具备电商、零售、供应链领域的计划优化（补货、调拨、S&OP）、物流优化（仓储、运输、履约）等实际算法经验者优先；\n6. 有将复杂学术成果转化为工业级方案并在真实业务中规模化落地者优先；在顶级会议或期刊发表过运筹优化、强化学习、大语言模型、供应链相关论文者优先；\n7. 热爱算法研发，具备 hands-on 能力，持续关注学术前沿；积极、乐观、向上、皮实，具有较好的团队合作精神，勇于面对挑战。",
        "skills": [AI生成
            "Python",
            "SQL",
            "Spark",
            "Hadoop",
            "Flink",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "强化学习",
            "团队协作",
            "建模",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "有 LLM 在供应链垂直领域落地经验者优先；具备电商、零售、供应链领域的计划优化（补货、调拨、S&OP）、物流优化（仓储、运输、履约）等实际算法经验者优先；6. 有将复杂学术成果转化为工业级方案并在真实业务中规模化落地者优先；在顶级会议或期刊发表过运筹优化、强化学习、大语言模型、供应链相关论文者优先",
        "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=100031420001"
            }
        ]
    },
    "posting": {
        "posting_id": "100031420001",
        "post_date": "2026-08-09",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100031420001"
    },
    "fulltext": "供应链产品技术部-大模型决策算法专家-杭州\n供应链产品技术部-大模型决策算法专家-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n我们坚信算法是供应链智能化的核心驱动力。团队深度融合机器学习、深度学习、强化学习、运筹优化、大规模仿真、大语言模型（LLM）与多模态大模型（VLM/MLLM）等前沿 AI 技术，在品类规划、需求预测、库存优化、订单履约、物流执行等供应链核心环节构建智能化算法体系，持续推动自动化、智能化升级，为业务创造可量化的效率提升与成本优化。\n在大模型决策方向，持续拓展供应链决策算法能力矩阵，构建端到端数据驱动决策算法、基于 LLM 的自进化优化算法（LLM-based Self-Evolution Optimization）与垂直领域基础大模型（如 Inventory Foundation Models），将大语言模型（LLM）、运筹优化（OR）与供应链决策优化深度融合，解决供应链计划（补货、调拨、订单履约）与物流执行（仓储优化、干线运输）中的关键决策问题，显著实现供应链成本、效率与体验的优化。\n岗位职责：\n1. 负责淘天海量供应链计划与物流执行数据的分析与建模，覆盖供应链计划（补货、调拨、订单履约）与物流执行（仓储优化、干线运输）等端到端决策场景，持续优化供应链成本、效率与体验；\n2. 紧跟大语言模型（LLM）、LLM-based Decision Making 与自进化优化（Self-Evolution Optimization）前沿方向，参与端到端数据驱动决策算法、LLM自进化启发式询优系统以及垂直领域基础大模型（如 Inventory Foundation Models）的架构设计、训练范式优化与决策链路构建，构建供应链决策域深度技术壁垒；\n3. 设计、研发并落地大模型决策算法，综合运用运筹优化（MILP/LP/DP/随机优化/鲁棒优化）、深度强化学习（DRL/Multi-Agents DRL）、大语言模型等方法，提升复杂决策问题的求解效率与业务可解释性，推动可量化的业务价值；\n4. 针对自营行业、跨境供给、Fashion88 等行业特性，构建智能补货、库存调拨、订单履约优化、仓储作业优化、运输路径优化等算法能力，支撑行业成本、效率、履约体验与损益等核心经营目标达成。\n\n职位要求\n1. 运筹优化、机器学习、人工智能、计算机科学、工业工程、物流工程等相关专业硕士或以上学历；\n2. 熟练掌握 Python，熟悉 PyTorch/TensorFlow 等深度学习框架，具备大规模分布式训练、推理优化与工程部署经验；熟悉 SQL、Spark/Hadoop/Flink 等大数据处理工具，能高效处理海量电商供应链数据；\n3. 扎实的供应链决策优化基础，熟悉库存优化、补货策略、网络优化、调度优化、路径优化、仓储优化、供应链仿真等至少一个方向；\n4. 熟悉运筹优化方法，如混合整数规划（MIP/MILP）、线性规划、动态规划、随机优化、元启发式算法等；熟悉大语言模型相关技术，如预训练（CPT）、后训练（SFT/DPO/RLHF）、PE、LLM Agent、RAG、推理增强等；有 LLM 在供应链垂直领域落地经验者优先；\n5. 具备业务抽象与建模能力，能够将复杂的供应链决策问题分解、抽象成可求解的数学模型或学习模型；具备电商、零售、供应链领域的计划优化（补货、调拨、S&OP）、物流优化（仓储、运输、履约）等实际算法经验者优先；\n6. 有将复杂学术成果转化为工业级方案并在真实业务中规模化落地者优先；在顶级会议或期刊发表过运筹优化、强化学习、大语言模型、供应链相关论文者优先；\n7. 热爱算法研发，具备 hands-on 能力，持续关注学术前沿；积极、乐观、向上、皮实，具有较好的团队合作精神，勇于面对挑战。\n我们坚信算法是供应链智能化的核心驱动力。团队深度融合机器学习、深度学习、强化学习、运筹优化、大规模仿真、大语言模型（LLM）与多模态大模型（VLM/MLLM）等前沿 AI 技术，在品类规划、需求预测、库存优化、订单履约、物流执行等供应链核心环节构建智能化算法体系，持续推动自动化、智能化升级，为业务创造可量化的效率提升与成本优化。\n在大模型决策方向，持续拓展供应链决策算法能力矩阵，构建端到端数据驱动决策算法、基于 LLM 的自进化优化算法（LLM-based Self-Evolution Optimization）与垂直领域基础大模型（如 Inventory Foundation Models），将大语言模型（LLM）、运筹优化（OR）与供应链决策优化深度融合，解决供应链计划（补货、调拨、订单履约）与物流执行（仓储优化、干线运输）中的关键决策问题，显著实现供应链成本、效率与体验的优化。\n岗位职责：\n1. 负责淘天海量供应链计划与物流执行数据的分析与建模，覆盖供应链计划（补货、调拨、订单履约）与物流执行（仓储优化、干线运输）等端到端决策场景，持续优化供应链成本、效率与体验；\n2. 紧跟大语言模型（LLM）、LLM-based Decision Making 与自进化优化（Self-Evolution Optimization）前沿方向，参与端到端数据驱动决策算法、LLM自进化启发式询优系统以及垂直领域基础大模型（如 Inventory Foundation Models）的架构设计、训练范式优化与决策链路构建，构建供应链决策域深度技术壁垒；\n3. 设计、研发并落地大模型决策算法，综合运用运筹优化（MILP/LP/DP/随机优化/鲁棒优化）、深度强化学习（DRL/Multi-Agents DRL）、大语言模型等方法，提升复杂决策问题的求解效率与业务可解释性，推动可量化的业务价值；\n4. 针对自营行业、跨境供给、Fashion88 等行业特性，构建智能补货、库存调拨、订单履约优化、仓储作业优化、运输路径优化等算法能力，支撑行业成本、效率、履约体验与损益等核心经营目标达成。\n1. 运筹优化、机器学习、人工智能、计算机科学、工业工程、物流工程等相关专业硕士或以上学历；\n2. 熟练掌握 Python，熟悉 PyTorch/TensorFlow 等深度学习框架，具备大规模分布式训练、推理优化与工程部署经验；熟悉 SQL、Spark/Hadoop/Flink 等大数据处理工具，能高效处理海量电商供应链数据；\n3. 扎实的供应链决策优化基础，熟悉库存优化、补货策略、网络优化、调度优化、路径优化、仓储优化、供应链仿真等至少一个方向；\n4. 熟悉运筹优化方法，如混合整数规划（MIP/MILP）、线性规划、动态规划、随机优化、元启发式算法等；熟悉大语言模型相关技术，如预训练（CPT）、后训练（SFT/DPO/RLHF）、PE、LLM Agent、RAG、推理增强等；有 LLM 在供应链垂直领域落地经验者优先；\n5. 具备业务抽象与建模能力，能够将复杂的供应链决策问题分解、抽象成可求解的数学模型或学习模型；具备电商、零售、供应链领域的计划优化（补货、调拨、S&OP）、物流优化（仓储、运输、履约）等实际算法经验者优先；\n6. 有将复杂学术成果转化为工业级方案并在真实业务中规模化落地者优先；在顶级会议或期刊发表过运筹优化、强化学习、大语言模型、供应链相关论文者优先；\n7. 热爱算法研发，具备 hands-on 能力，持续关注学术前沿；积极、乐观、向上、皮实，具有较好的团队合作精神，勇于面对挑战。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}