{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "算法工程师-推荐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": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "岗位课题：\n【用户理解与因果推理】\n应用大模型的逻辑与因果推理能力，深度挖掘用户偏好、意图与需求之间的复杂关系，构建能够理解用户“潜台词”的下一代推荐引擎。\n【生成式召回与排序新范式】\n研究并实践基于生成式模型（Generative Models）的推荐框架，探索从“判别式打分”到“生成式候选”的技术变革，重构推荐系统的召回与排序链路。\n【可解释与对话式推荐系统】\n利用大模型的自然语言交互与生成能力，构建支持多轮对话、主动询问和理由解释的推荐系统，提升用户信任度与交互体验。\n【大模型推荐系统下的大模型优化】\n专注于大模型在超大规模、高并发推荐场景下的挑战，驱动前沿算法的商业化落地。\n【用户行为序列的模态融合与表征】\n将海量、异构的用户行为序列（点击、浏览、转化）视为一种独特的“行为模态”，探索其与文本、图像等多模态信息的融合方法，为大模型注入更深层次的用户理解力。\n课题项目背景：\n当前，大模型已经在许多领域成功落地并产生了深远影响。对于推荐而言，我们认为大模型技术在深入了解用户意图乃至重塑推荐系统等诸多方面均潜藏巨大的价值。因此，我们希望能够充分利用大模型能力与知识，解决当前推荐系统的冷启动、缺乏解释性与泛化性等问题，打造下一代推荐系统，并将应用于以下方向：\n1、利用大模型技术全面升级淘宝推荐的召排能力并在主场景落地取得收益；\n2、结合大模型技术，探索全新的淘宝推荐交互方式，为推荐场景找到新的方向。\n成长资源\n1、实习同学将会与工业界经验丰富的师兄师姐合作，充分了解大规模推荐系统的运行方式，努力做出能够真实影响海量用户的工作；\n2、鼓励发挥个人的知识与才能，在大模型与推荐系统相结合的蓝海领域大胆探索，提升团队与个人的影响力，做出引领业内方向的代表作；\n3、充分保障探索所需的离在线资源，并给予充足的时间与空间。\n岗位职责：\n在这里，你将有机会接触海量用户行为数据，并通过前沿算法为淘宝用户提供个性化购物体验。同时，可以与有着丰富工业界经验的师兄师姐一起探索大模型技术在推荐系统中的应用。通过这段实习经验，你不仅能够深入了解国内top级应用的推荐场景，更能够有机会在大模型技术红利背景下，充分发挥自己的聪明才智重新定义与塑造下一代推荐系统，打造团队与个人的影响力。",
        "requirements_text": "1、硕士及以上学历，2026年11月1日以后毕业，计算机/人工智能/机器学习等相关专业，能连续实习3个月及以上；\n2、熟练掌握Java/C++/Python中至少一门语言，熟悉tensorflow或者pytorch至少一种机器学习常用框架；\n3、逻辑思维清晰，学习能力强，对新事物保有好奇心，并能快速适应新环境；\n4、良好的沟通能力和团队协同能力；能与他人合作，共同完成目标；\n5、遇事沉稳，不急不躁，心理素质过硬，有担当、有韧性，表达能力强。\n【加分项】\n1、有相关推荐系统、机器学习、计算机视觉、数据挖掘等相关领域研究及实践经验优先；\n2、有相关顶级会议论文发表者优先；\n3、有相关竞赛经验并获奖者优先。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "计算机视觉",
            "数据挖掘",
            "沟通能力",
            "逻辑思维",
            "学习能力"
        ],
        "preferred_qualifications": "【加分项】；1、有相关推荐系统、机器学习、计算机视觉、数据挖掘等相关领域研究及实践经验优先；2、有相关顶级会议论文发表者优先；3、有相关竞赛经验并获奖者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199903880037?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199903880037",
        "post_date": "2026-03-20",
        "hire_time": "1、硕士及以上学历，2026年11月1日以后毕业，计算机/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/199903880037?deptCodes="
    },
    "fulltext": "算法工程师-推荐算法大模型应用方向（T-Star Lab日常实习）\n算法工程师-推荐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【用户理解与因果推理】\n应用大模型的逻辑与因果推理能力，深度挖掘用户偏好、意图与需求之间的复杂关系，构建能够理解用户“潜台词”的下一代推荐引擎。\n【生成式召回与排序新范式】\n研究并实践基于生成式模型（Generative Models）的推荐框架，探索从“判别式打分”到“生成式候选”的技术变革，重构推荐系统的召回与排序链路。\n【可解释与对话式推荐系统】\n利用大模型的自然语言交互与生成能力，构建支持多轮对话、主动询问和理由解释的推荐系统，提升用户信任度与交互体验。\n【大模型推荐系统下的大模型优化】\n专注于大模型在超大规模、高并发推荐场景下的挑战，驱动前沿算法的商业化落地。\n【用户行为序列的模态融合与表征】\n将海量、异构的用户行为序列（点击、浏览、转化）视为一种独特的“行为模态”，探索其与文本、图像等多模态信息的融合方法，为大模型注入更深层次的用户理解力。\n课题项目背景：\n当前，大模型已经在许多领域成功落地并产生了深远影响。对于推荐而言，我们认为大模型技术在深入了解用户意图乃至重塑推荐系统等诸多方面均潜藏巨大的价值。因此，我们希望能够充分利用大模型能力与知识，解决当前推荐系统的冷启动、缺乏解释性与泛化性等问题，打造下一代推荐系统，并将应用于以下方向：\n1、利用大模型技术全面升级淘宝推荐的召排能力并在主场景落地取得收益；\n2、结合大模型技术，探索全新的淘宝推荐交互方式，为推荐场景找到新的方向。\n成长资源\n1、实习同学将会与工业界经验丰富的师兄师姐合作，充分了解大规模推荐系统的运行方式，努力做出能够真实影响海量用户的工作；\n2、鼓励发挥个人的知识与才能，在大模型与推荐系统相结合的蓝海领域大胆探索，提升团队与个人的影响力，做出引领业内方向的代表作；\n3、充分保障探索所需的离在线资源，并给予充足的时间与空间。\n岗位职责：\n在这里，你将有机会接触海量用户行为数据，并通过前沿算法为淘宝用户提供个性化购物体验。同时，可以与有着丰富工业界经验的师兄师姐一起探索大模型技术在推荐系统中的应用。通过这段实习经验，你不仅能够深入了解国内top级应用的推荐场景，更能够有机会在大模型技术红利背景下，充分发挥自己的聪明才智重新定义与塑造下一代推荐系统，打造团队与个人的影响力。\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/人工智能/机器学习等相关专业，能连续实习3个月及以上；\n2、熟练掌握Java/C++/Python中至少一门语言，熟悉tensorflow或者pytorch至少一种机器学习常用框架；\n3、逻辑思维清晰，学习能力强，对新事物保有好奇心，并能快速适应新环境；\n4、良好的沟通能力和团队协同能力；能与他人合作，共同完成目标；\n5、遇事沉稳，不急不躁，心理素质过硬，有担当、有韧性，表达能力强。\n【加分项】\n1、有相关推荐系统、机器学习、计算机视觉、数据挖掘等相关领域研究及实践经验优先；\n2、有相关顶级会议论文发表者优先；\n3、有相关竞赛经验并获奖者优先。\n\n在招业务\n淘天集团\n岗位课题：\n【用户理解与因果推理】\n应用大模型的逻辑与因果推理能力，深度挖掘用户偏好、意图与需求之间的复杂关系，构建能够理解用户“潜台词”的下一代推荐引擎。\n【生成式召回与排序新范式】\n研究并实践基于生成式模型（Generative Models）的推荐框架，探索从“判别式打分”到“生成式候选”的技术变革，重构推荐系统的召回与排序链路。\n【可解释与对话式推荐系统】\n利用大模型的自然语言交互与生成能力，构建支持多轮对话、主动询问和理由解释的推荐系统，提升用户信任度与交互体验。\n【大模型推荐系统下的大模型优化】\n专注于大模型在超大规模、高并发推荐场景下的挑战，驱动前沿算法的商业化落地。\n【用户行为序列的模态融合与表征】\n将海量、异构的用户行为序列（点击、浏览、转化）视为一种独特的“行为模态”，探索其与文本、图像等多模态信息的融合方法，为大模型注入更深层次的用户理解力。\n课题项目背景：\n当前，大模型已经在许多领域成功落地并产生了深远影响。对于推荐而言，我们认为大模型技术在深入了解用户意图乃至重塑推荐系统等诸多方面均潜藏巨大的价值。因此，我们希望能够充分利用大模型能力与知识，解决当前推荐系统的冷启动、缺乏解释性与泛化性等问题，打造下一代推荐系统，并将应用于以下方向：\n1、利用大模型技术全面升级淘宝推荐的召排能力并在主场景落地取得收益；\n2、结合大模型技术，探索全新的淘宝推荐交互方式，为推荐场景找到新的方向。\n成长资源\n1、实习同学将会与工业界经验丰富的师兄师姐合作，充分了解大规模推荐系统的运行方式，努力做出能够真实影响海量用户的工作；\n2、鼓励发挥个人的知识与才能，在大模型与推荐系统相结合的蓝海领域大胆探索，提升团队与个人的影响力，做出引领业内方向的代表作；\n3、充分保障探索所需的离在线资源，并给予充足的时间与空间。\n岗位职责：\n在这里，你将有机会接触海量用户行为数据，并通过前沿算法为淘宝用户提供个性化购物体验。同时，可以与有着丰富工业界经验的师兄师姐一起探索大模型技术在推荐系统中的应用。通过这段实习经验，你不仅能够深入了解国内top级应用的推荐场景，更能够有机会在大模型技术红利背景下，充分发挥自己的聪明才智重新定义与塑造下一代推荐系统，打造团队与个人的影响力。\n1、硕士及以上学历，2026年11月1日以后毕业，计算机/人工智能/机器学习等相关专业，能连续实习3个月及以上；\n2、熟练掌握Java/C++/Python中至少一门语言，熟悉tensorflow或者pytorch至少一种机器学习常用框架；\n3、逻辑思维清晰，学习能力强，对新事物保有好奇心，并能快速适应新环境；\n4、良好的沟通能力和团队协同能力；能与他人合作，共同完成目标；\n5、遇事沉稳，不急不躁，心理素质过硬，有担当、有韧性，表达能力强。\n【加分项】\n1、有相关推荐系统、机器学习、计算机视觉、数据挖掘等相关领域研究及实践经验优先；\n2、有相关顶级会议论文发表者优先；\n3、有相关竞赛经验并获奖者优先。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}