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-搜索算法大模型应用方向（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": "硕士及以上学历",
"language": "6、具有良好的数学基础，良好的英语阅读能力",AI生成
"visa_support": "未披露",
"responsibilities": "岗位课题：\n研究基于LLM的个性化电商排序模型，包括但不限于LLM与稀疏模型结合，或LLM进行端到端生成式排序\n课题项目背景：\n淘宝主搜索目前主要依托于稀疏特征体系，相较于稠密的多模态稠密特征泛化性偏弱。LLM的世界知识理论上可以解决现有模型面临的问题，实现真正的用户理解/商品理解，基于大模型推理能力实现个性化购物决策路径推理，个性化意图推理等。\n实习生同学可以在此项目中深度探索LLM应用到“个性化任务”中的各项子任务，并且在这一过程中深度理解电商业务与前沿技术之间的关系，学习如何实现二者兼顾并产出落地于工业界的技术方案。\n岗位职责：\n如果你，期望直接接触工业界最真实的海量数据；\n如果你，期望探索生成式搜推技术；\n如果你，期望探索基于LLM的下一代个性化技术；\n如果你，期望兼顾技术深度与业务价值实现，探索研究业界最新的技术方向；\n加入我们，与我们一起在复杂业务变化中开拓创新，体验追求极致、进无止境的工程师文化。",
"requirements_text": "1、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/数据等相关专业，能连续实习3个月及以上；\n2、具备极佳的工程实现能力，精通C/C++、Java、Python、Perl等至少一门语言；\n3、对目前主流的深度学习平台，如tensorflow、pytorch等，至少对其中一个有上手经验；\n4、熟悉深度学习以及常见机器学习算法的原理与算法，深入理解并掌握LLM基本原理和相关算法，如GPT、GLM、T5、BART等，包括它们的架构、训练方法和应用场景；\n5、有强烈求知欲，对人工智能领域相关技术有热情；学习能力强，对新事物保有好奇心；\n6、具有良好的数学基础，良好的英语阅读能力；有团队意识，最好具有团队协作的经验。\n【加分项】\n1、在NLP/CV/ML等领域发表过优秀论文，包括但不限于NeurIPS、ICLR、ICML等顶级会议或期刊；\n2、有工业界相关方向的实践经验者，或参加过ACM或数据挖掘/机器学习类竞赛并取得优异名次者优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据挖掘",
"团队协作",
"学习能力"
],
"preferred_qualifications": "【加分项】；2、有工业界相关方向的实践经验者，或参加过ACM或数据挖掘/机器学习类竞赛并取得优异名次者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903840037?deptCodes="
}
]
},
"posting": {
"posting_id": "199903840037",
"post_date": "2026-03-26",
"hire_time": "1、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/数据等相关专业，能连续实习3个月及以上",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903840037?deptCodes="
},
"fulltext": "算法工程师-搜索算法大模型应用方向（T-Star Lab日常实习）\n算法工程师-搜索算法大模型应用方向（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岗位课题：\n研究基于LLM的个性化电商排序模型，包括但不限于LLM与稀疏模型结合，或LLM进行端到端生成式排序\n课题项目背景：\n淘宝主搜索目前主要依托于稀疏特征体系，相较于稠密的多模态稠密特征泛化性偏弱。LLM的世界知识理论上可以解决现有模型面临的问题，实现真正的用户理解/商品理解，基于大模型推理能力实现个性化购物决策路径推理，个性化意图推理等。\n实习生同学可以在此项目中深度探索LLM应用到“个性化任务”中的各项子任务，并且在这一过程中深度理解电商业务与前沿技术之间的关系，学习如何实现二者兼顾并产出落地于工业界的技术方案。\n岗位职责：\n如果你，期望直接接触工业界最真实的海量数据；\n如果你，期望探索生成式搜推技术；\n如果你，期望探索基于LLM的下一代个性化技术；\n如果你，期望兼顾技术深度与业务价值实现，探索研究业界最新的技术方向；\n加入我们，与我们一起在复杂业务变化中开拓创新，体验追求极致、进无止境的工程师文化。\n\n职位要求\n1、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/数据等相关专业，能连续实习3个月及以上；\n2、具备极佳的工程实现能力，精通C/C++、Java、Python、Perl等至少一门语言；\n3、对目前主流的深度学习平台，如tensorflow、pytorch等，至少对其中一个有上手经验；\n4、熟悉深度学习以及常见机器学习算法的原理与算法，深入理解并掌握LLM基本原理和相关算法，如GPT、GLM、T5、BART等，包括它们的架构、训练方法和应用场景；\n5、有强烈求知欲，对人工智能领域相关技术有热情；学习能力强，对新事物保有好奇心；\n6、具有良好的数学基础，良好的英语阅读能力；有团队意识，最好具有团队协作的经验。\n【加分项】\n1、在NLP/CV/ML等领域发表过优秀论文，包括但不限于NeurIPS、ICLR、ICML等顶级会议或期刊；\n2、有工业界相关方向的实践经验者，或参加过ACM或数据挖掘/机器学习类竞赛并取得优异名次者优先。\n\n在招业务\n淘天集团\n岗位课题：\n研究基于LLM的个性化电商排序模型，包括但不限于LLM与稀疏模型结合，或LLM进行端到端生成式排序\n课题项目背景：\n淘宝主搜索目前主要依托于稀疏特征体系，相较于稠密的多模态稠密特征泛化性偏弱。LLM的世界知识理论上可以解决现有模型面临的问题，实现真正的用户理解/商品理解，基于大模型推理能力实现个性化购物决策路径推理，个性化意图推理等。\n实习生同学可以在此项目中深度探索LLM应用到“个性化任务”中的各项子任务，并且在这一过程中深度理解电商业务与前沿技术之间的关系，学习如何实现二者兼顾并产出落地于工业界的技术方案。\n岗位职责：\n如果你，期望直接接触工业界最真实的海量数据；\n如果你，期望探索生成式搜推技术；\n如果你，期望探索基于LLM的下一代个性化技术；\n如果你，期望兼顾技术深度与业务价值实现，探索研究业界最新的技术方向；\n加入我们，与我们一起在复杂业务变化中开拓创新，体验追求极致、进无止境的工程师文化。\n1、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/数据等相关专业，能连续实习3个月及以上；\n2、具备极佳的工程实现能力，精通C/C++、Java、Python、Perl等至少一门语言；\n3、对目前主流的深度学习平台，如tensorflow、pytorch等，至少对其中一个有上手经验；\n4、熟悉深度学习以及常见机器学习算法的原理与算法，深入理解并掌握LLM基本原理和相关算法，如GPT、GLM、T5、BART等，包括它们的架构、训练方法和应用场景；\n5、有强烈求知欲，对人工智能领域相关技术有热情；学习能力强，对新事物保有好奇心；\n6、具有良好的数学基础，良好的英语阅读能力；有团队意识，最好具有团队协作的经验。\n【加分项】\n1、在NLP/CV/ML等领域发表过优秀论文，包括但不限于NeurIPS、ICLR、ICML等顶级会议或期刊；\n2、有工业界相关方向的实践经验者，或参加过ACM或数据挖掘/机器学习类竞赛并取得优异名次者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}