主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（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": "算法工程师-搜索广告大模型应用方向(T-Star Lab日常实习)",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "北京 / 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": "a. 硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "在这里，你将接触业界顶尖的算法团队和超大规模的技术应用，从事用大模型重新定义搜推广技术的前沿工作，以及有机会提前获得秋招直通T-Star的正式Offer。\n岗位课题：\n1.基于大模型范式的预估模型研究\n2.基于生成式模型的通用用户终身行为建模方案研究\n3.面向搜索、推荐和广告场景，端到端的召回和预估联合建模方案研究\n4.基于多模态语义信息重塑商品ID体系的方案研究\n课题背景：\n在大模型时代，我们是否有机会去革新搜推广模型和架构是本课题研究的核心。\n成长资源：\n1.基础设施-集团对AI的重视和对AI包括算力在内的大力投入，结合团队已有的成熟的研发基础设施和充足的算力，可以支持T-Star进行大胆、高效的技术创新；\n2.经验传承-业界大牛担任导师传帮带，手把手帮助T-Star同学在技术和业务上快速升级能力和认知；\n3.创新环境-丰富的业务落地环境，大量的开放性课题对接真实商业需求，可以进行短、中、长周期的技术创新。",
"requirements_text": "1. 技术基础扎实\na. 硕士及以上学历，2026年11月1日以后毕业，计算机科学/人工智能/机器学习等相关专业，能连续实习3个月及以上；\nb. 具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构，掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域；\nc. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；\nd.有数理分析方面良好的素养以及数理统计基础；有良好的数据敏感能力、较强的逻辑分析能力。\n2. 潜力与热情\na. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展。\nb. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验；\nc. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。\n3. 团队协作意识\na. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值；\nb. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。\n【加分项】\n● 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历；\n● 有海量数据处理经验或者大厂实习经验；\n● 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"强化学习",
"自然语言处理",
"数据结构",
"数据分析",
"模型训练",
"团队协作",
"沟通能力",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "c. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；【加分项】",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903840036?deptCodes="
}
]
},
"posting": {
"posting_id": "199903840036",
"post_date": "2026-03-26",
"hire_time": "a. 硕士及以上学历，2026年11月1日以后毕业，计算机科学/人工智能/机器学习等相关专业，能连续实习3个月及以上",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903840036?deptCodes="
},
"fulltext": "算法工程师-搜索广告大模型应用方向(T-Star Lab日常实习)\n算法工程师-搜索广告大模型应用方向(T-Star Lab日常实习)\n\n基础信息\n毕业起止时间要求：2026-10-31 - 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：北京 / 杭州\n\n职位描述\n在这里，你将接触业界顶尖的算法团队和超大规模的技术应用，从事用大模型重新定义搜推广技术的前沿工作，以及有机会提前获得秋招直通T-Star的正式Offer。\n岗位课题：\n1.基于大模型范式的预估模型研究\n2.基于生成式模型的通用用户终身行为建模方案研究\n3.面向搜索、推荐和广告场景，端到端的召回和预估联合建模方案研究\n4.基于多模态语义信息重塑商品ID体系的方案研究\n课题背景：\n在大模型时代，我们是否有机会去革新搜推广模型和架构是本课题研究的核心。\n成长资源：\n1.基础设施-集团对AI的重视和对AI包括算力在内的大力投入，结合团队已有的成熟的研发基础设施和充足的算力，可以支持T-Star进行大胆、高效的技术创新；\n2.经验传承-业界大牛担任导师传帮带，手把手帮助T-Star同学在技术和业务上快速升级能力和认知；\n3.创新环境-丰富的业务落地环境，大量的开放性课题对接真实商业需求，可以进行短、中、长周期的技术创新。\n\n职位要求\n1. 技术基础扎实\na. 硕士及以上学历，2026年11月1日以后毕业，计算机科学/人工智能/机器学习等相关专业，能连续实习3个月及以上；\nb. 具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构，掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域；\nc. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；\nd.有数理分析方面良好的素养以及数理统计基础；有良好的数据敏感能力、较强的逻辑分析能力。\n2. 潜力与热情\na. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展。\nb. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验；\nc. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。\n3. 团队协作意识\na. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值；\nb. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。\n【加分项】\n● 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历；\n● 有海量数据处理经验或者大厂实习经验；\n● 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。\n\n在招业务\n淘天集团\n在这里，你将接触业界顶尖的算法团队和超大规模的技术应用，从事用大模型重新定义搜推广技术的前沿工作，以及有机会提前获得秋招直通T-Star的正式Offer。\n岗位课题：\n1.基于大模型范式的预估模型研究\n2.基于生成式模型的通用用户终身行为建模方案研究\n3.面向搜索、推荐和广告场景，端到端的召回和预估联合建模方案研究\n4.基于多模态语义信息重塑商品ID体系的方案研究\n课题背景：\n在大模型时代，我们是否有机会去革新搜推广模型和架构是本课题研究的核心。\n成长资源：\n1.基础设施-集团对AI的重视和对AI包括算力在内的大力投入，结合团队已有的成熟的研发基础设施和充足的算力，可以支持T-Star进行大胆、高效的技术创新；\n2.经验传承-业界大牛担任导师传帮带，手把手帮助T-Star同学在技术和业务上快速升级能力和认知；\n3.创新环境-丰富的业务落地环境，大量的开放性课题对接真实商业需求，可以进行短、中、长周期的技术创新。\n1. 技术基础扎实\na. 硕士及以上学历，2026年11月1日以后毕业，计算机科学/人工智能/机器学习等相关专业，能连续实习3个月及以上；\nb. 具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构，掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域；\nc. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；\nd.有数理分析方面良好的素养以及数理统计基础；有良好的数据敏感能力、较强的逻辑分析能力。\n2. 潜力与热情\na. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展。\nb. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验；\nc. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。\n3. 团队协作意识\na. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值；\nb. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。\n【加分项】\n● 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历；\n● 有海量数据处理经验或者大厂实习经验；\n● 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}