{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "日常实习生-算法技术-AI助手算法工程师",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "淘天集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"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": "计算机科学、人工智能、机器学习等相关领域的硕士或博士在校生",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "淘天集团AI助手算法团队承担了淘天集团新一代AI原生购物助手的开发工作，通过统一的All in One大模型解决淘宝在不同场景的用户需求。团队在大模型强化学习、Agentic训练、原生多模态训练以及Agent框架设计有着行业领先的认知和实际落地效果。\n在这里，你将\n● 全链路模型训练\n○ 深度参与购物场景统一大模型的完整训练周期：预训练退火 → SFT → RLVR → RLHF\n○ 你碰到的不是一个冻结的API，而是一个你可以从底层塑造的模型\n● Agent框架设计——让大模型真正\"能办事\"\n○ 设计大模型原生的Agent架构，通过Skill编排、Sub-agent协作等机制，将淘系搜索、推荐、交易、客服等全域能力注入AI助手\n○ 让模型不只是\"能聊\"，而是\"能买、能比、能帮你做决定\"\n● 奖励信号发现——在真实场景中定义\"什么是好\"\n○ 基于淘天数亿用户的真实交互行为，挖掘和设计最能提升用户体验的奖励信号\n○ 用RL的方式让模型在电商场景下持续逼近SOTA体验\n● 无人区探索——做业界还没有答案的事\n○ 异步实时Agent：用户不等你，你怎么让Agent在真实时间约束下又快又好？\n○ 原生Any-to-Any多模态：文字、图片、视频、商品卡片……如何让模型原生理解和生成一切？\n○ 这些方向没有教科书，我们需要你带着自己的判断力走进去\n为什么值得来\n你会加入这样一个团队：\n● “师兄机制”：为你配置经验丰富的师兄，亲自带你熟悉环境，在进行实习期间进行全方位的指导。\n● 灵活开放的技术氛围：根据你的实际研究内容，结合你感兴趣的方向，量身定制匹配的研究方向。\n● 浓厚的技术氛围：定期记性技术分享，保持对前沿技术的敏感度。\n● 充足的算力资源：学校的卡不够用？在这里不存在的，会有足够的资源支持实验迭代。\n收获在学校无法获得的宝贵经验：\n● 场景稀缺性：数亿级日活用户 × 极其丰富的电商意图 × 可闭环的商业验证\n● 技术纵深：从模型训练到Agent系统到产品体验，你可以一竿子插到底，而不是只做流水线上的一环\n● 前沿密度：团队在RLVR、Agentic Training、多模态等前沿研究方向持续投入\n● 影响力：你训练的模型、设计的Agent，会直接服务于淘宝用户\n我们期待你\n● 在大模型预训练/SFT/RLHF/强化学习中有扎实的实战经验。对Agent/Tool-use/Multi-agent系统有深入理解。\n● 有科研成果或在顶会发表过自己的论文，或在Github有自己的维护的小项目。\n● 有自己的想法想要落地、通过实际场景来证明自己的科研价值。",
        "requirements_text": "1. 计算机科学、人工智能、机器学习等相关领域的硕士或博士在校生。\n2. 具备较强的分析问题和解决问题的能力，逻辑思维清晰，拥有良好的自学能力。\n3. 参加ACM或同类型算法竞赛获奖者优先。",
        "skills": [AI生成
            "机器学习",
            "解决问题",
            "逻辑思维"
        ],
        "preferred_qualifications": "3. 参加ACM或同类型算法竞赛获奖者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199903700027?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199903700027",
        "post_date": "2026-03-26",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199903700027?deptCodes="
    },
    "fulltext": "日常实习生-算法技术-AI助手算法工程师\n日常实习生-算法技术-AI助手算法工程师\n\n基础信息\n毕业起止时间要求：2027-06-29 - 2028-10-30\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n淘天集团AI助手算法团队承担了淘天集团新一代AI原生购物助手的开发工作，通过统一的All in One大模型解决淘宝在不同场景的用户需求。团队在大模型强化学习、Agentic训练、原生多模态训练以及Agent框架设计有着行业领先的认知和实际落地效果。\n在这里，你将\n● 全链路模型训练\n○ 深度参与购物场景统一大模型的完整训练周期：预训练退火 → SFT → RLVR → RLHF\n○ 你碰到的不是一个冻结的API，而是一个你可以从底层塑造的模型\n● Agent框架设计——让大模型真正\"能办事\"\n○ 设计大模型原生的Agent架构，通过Skill编排、Sub-agent协作等机制，将淘系搜索、推荐、交易、客服等全域能力注入AI助手\n○ 让模型不只是\"能聊\"，而是\"能买、能比、能帮你做决定\"\n● 奖励信号发现——在真实场景中定义\"什么是好\"\n○ 基于淘天数亿用户的真实交互行为，挖掘和设计最能提升用户体验的奖励信号\n○ 用RL的方式让模型在电商场景下持续逼近SOTA体验\n● 无人区探索——做业界还没有答案的事\n○ 异步实时Agent：用户不等你，你怎么让Agent在真实时间约束下又快又好？\n○ 原生Any-to-Any多模态：文字、图片、视频、商品卡片……如何让模型原生理解和生成一切？\n○ 这些方向没有教科书，我们需要你带着自己的判断力走进去\n为什么值得来\n你会加入这样一个团队：\n● “师兄机制”：为你配置经验丰富的师兄，亲自带你熟悉环境，在进行实习期间进行全方位的指导。\n● 灵活开放的技术氛围：根据你的实际研究内容，结合你感兴趣的方向，量身定制匹配的研究方向。\n● 浓厚的技术氛围：定期记性技术分享，保持对前沿技术的敏感度。\n● 充足的算力资源：学校的卡不够用？在这里不存在的，会有足够的资源支持实验迭代。\n收获在学校无法获得的宝贵经验：\n● 场景稀缺性：数亿级日活用户 × 极其丰富的电商意图 × 可闭环的商业验证\n● 技术纵深：从模型训练到Agent系统到产品体验，你可以一竿子插到底，而不是只做流水线上的一环\n● 前沿密度：团队在RLVR、Agentic Training、多模态等前沿研究方向持续投入\n● 影响力：你训练的模型、设计的Agent，会直接服务于淘宝用户\n我们期待你\n● 在大模型预训练/SFT/RLHF/强化学习中有扎实的实战经验。对Agent/Tool-use/Multi-agent系统有深入理解。\n● 有科研成果或在顶会发表过自己的论文，或在Github有自己的维护的小项目。\n● 有自己的想法想要落地、通过实际场景来证明自己的科研价值。\n\n职位要求\n1. 计算机科学、人工智能、机器学习等相关领域的硕士或博士在校生。\n2. 具备较强的分析问题和解决问题的能力，逻辑思维清晰，拥有良好的自学能力。\n3. 参加ACM或同类型算法竞赛获奖者优先。\n\n在招业务\n淘天集团\n淘天集团AI助手算法团队承担了淘天集团新一代AI原生购物助手的开发工作，通过统一的All in One大模型解决淘宝在不同场景的用户需求。团队在大模型强化学习、Agentic训练、原生多模态训练以及Agent框架设计有着行业领先的认知和实际落地效果。\n在这里，你将\n● 全链路模型训练\n○ 深度参与购物场景统一大模型的完整训练周期：预训练退火 → SFT → RLVR → RLHF\n○ 你碰到的不是一个冻结的API，而是一个你可以从底层塑造的模型\n● Agent框架设计——让大模型真正\"能办事\"\n○ 设计大模型原生的Agent架构，通过Skill编排、Sub-agent协作等机制，将淘系搜索、推荐、交易、客服等全域能力注入AI助手\n○ 让模型不只是\"能聊\"，而是\"能买、能比、能帮你做决定\"\n● 奖励信号发现——在真实场景中定义\"什么是好\"\n○ 基于淘天数亿用户的真实交互行为，挖掘和设计最能提升用户体验的奖励信号\n○ 用RL的方式让模型在电商场景下持续逼近SOTA体验\n● 无人区探索——做业界还没有答案的事\n○ 异步实时Agent：用户不等你，你怎么让Agent在真实时间约束下又快又好？\n○ 原生Any-to-Any多模态：文字、图片、视频、商品卡片……如何让模型原生理解和生成一切？\n○ 这些方向没有教科书，我们需要你带着自己的判断力走进去\n为什么值得来\n你会加入这样一个团队：\n● “师兄机制”：为你配置经验丰富的师兄，亲自带你熟悉环境，在进行实习期间进行全方位的指导。\n● 灵活开放的技术氛围：根据你的实际研究内容，结合你感兴趣的方向，量身定制匹配的研究方向。\n● 浓厚的技术氛围：定期记性技术分享，保持对前沿技术的敏感度。\n● 充足的算力资源：学校的卡不够用？在这里不存在的，会有足够的资源支持实验迭代。\n收获在学校无法获得的宝贵经验：\n● 场景稀缺性：数亿级日活用户 × 极其丰富的电商意图 × 可闭环的商业验证\n● 技术纵深：从模型训练到Agent系统到产品体验，你可以一竿子插到底，而不是只做流水线上的一环\n● 前沿密度：团队在RLVR、Agentic Training、多模态等前沿研究方向持续投入\n● 影响力：你训练的模型、设计的Agent，会直接服务于淘宝用户\n我们期待你\n● 在大模型预训练/SFT/RLHF/强化学习中有扎实的实战经验。对Agent/Tool-use/Multi-agent系统有深入理解。\n● 有科研成果或在顶会发表过自己的论文，或在Github有自己的维护的小项目。\n● 有自己的想法想要落地、通过实际场景来证明自己的科研价值。\n1. 计算机科学、人工智能、机器学习等相关领域的硕士或博士在校生。\n2. 具备较强的分析问题和解决问题的能力，逻辑思维清晰，拥有良好的自学能力。\n3. 参加ACM或同类型算法竞赛获奖者优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [
            "T009"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}