主分类：搜索推荐与业务决策算法研发
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": "研究型实习生-搜推智能产品-因果推断算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "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": "自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们是淘天集团淘宝用户算法团队，致力于通过外投广告、商品推荐、权益激励与消息触达等，全面提升淘宝用户的增长效率与长期价值。团队聚焦用户全生命周期管理，以算法驱动精细化运营，持续优化获客效率、增量GMV与用户LTV。\n在权益策略场景中，传统模型面临选择性偏差、高噪声干扰、多场景异构等挑战，难以准确识别微弱增量信号。为此，我们正在构建下一代因果Transformer框架。\n你将承担以下核心职责：\n1. 增量建模与因果推断：深入解决观测数据中的选择偏差与时变混杂问题，基于淘天用户特征体系，提升权益效果的归因准确性；\n2. 算法创新与模型研发：探索并设计基于因果推断Transformer的新型架构，设计提升微弱信号识别能力，推动CDUT等前沿模型落地；多场景协同建模：统一建模大促、日常、会员等多权益场景，实现跨场景知识迁移与泛化能力提升；\n3. 前沿成果输出：在KDD、ICML、NeurIPS等顶级会议发表高水平论文，拓展因果推断与个性化营销领域的影响力；\n4. 应用场景覆盖淘天多个权益体系，完成算法的线上应用及取得线上效果提升。\n加入我们，你将参与最具挑战性的工业级因果推断课题，定义智能营销与用户增长的未来技术范式。",
"requirements_text": "1. 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生，实习时间可满一年；\n2. 精通深度学习与Transformer架构，具备模型创新与底层开发能力；\n3. 熟悉因果推断（如Uplift Model、PSM、Doubly Robust、Representation Learning for CATE）等方法优先，有实际项目经验优先；\n4. 熟悉推荐系统、增长策略或在线营销场景者优先；\n5. 具备优秀论文产出能力，有CCF-A类或顶级AI/ML会议（如KDD、ICML、NeurIPS、WWW）发表者，或在数学、ACM、天池等竞赛中取得优异成绩者优先；\n6. 具备优秀的逻辑思维与系统设计能力，对算法研究与业务落地有强烈热情。",
"skills": [AI生成
"机器学习",
"深度学习",
"自然语言处理",
"数据挖掘",
"逻辑思维"
],
"preferred_qualifications": "3. 熟悉因果推断（如Uplift Model、PSM、Doubly Robust、Representation Learning for CATE）等方法优先，有实际项目经验优先；4. 熟悉推荐系统、增长策略或在线营销场景者优先；5. 具备优秀论文产出能力，有CCF-A类或顶级AI/ML会议（如KDD、ICML、NeurIPS、WWW）发表者，或在数学、ACM、天池等竞赛中取得优异成绩者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903880043?deptCodes="
}
]
},
"posting": {
"posting_id": "199903880043",
"post_date": "2026-03-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903880043?deptCodes="
},
"fulltext": "研究型实习生-搜推智能产品-因果推断算法工程师\n研究型实习生-搜推智能产品-因果推断算法工程师\n\n基础信息\n毕业起止时间要求：2027-02-28 - 2028-10-30\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：北京 / 杭州\n\n职位描述\n我们是淘天集团淘宝用户算法团队，致力于通过外投广告、商品推荐、权益激励与消息触达等，全面提升淘宝用户的增长效率与长期价值。团队聚焦用户全生命周期管理，以算法驱动精细化运营，持续优化获客效率、增量GMV与用户LTV。\n在权益策略场景中，传统模型面临选择性偏差、高噪声干扰、多场景异构等挑战，难以准确识别微弱增量信号。为此，我们正在构建下一代因果Transformer框架。\n你将承担以下核心职责：\n1. 增量建模与因果推断：深入解决观测数据中的选择偏差与时变混杂问题，基于淘天用户特征体系，提升权益效果的归因准确性；\n2. 算法创新与模型研发：探索并设计基于因果推断Transformer的新型架构，设计提升微弱信号识别能力，推动CDUT等前沿模型落地；多场景协同建模：统一建模大促、日常、会员等多权益场景，实现跨场景知识迁移与泛化能力提升；\n3. 前沿成果输出：在KDD、ICML、NeurIPS等顶级会议发表高水平论文，拓展因果推断与个性化营销领域的影响力；\n4. 应用场景覆盖淘天多个权益体系，完成算法的线上应用及取得线上效果提升。\n加入我们，你将参与最具挑战性的工业级因果推断课题，定义智能营销与用户增长的未来技术范式。\n\n职位要求\n1. 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生，实习时间可满一年；\n2. 精通深度学习与Transformer架构，具备模型创新与底层开发能力；\n3. 熟悉因果推断（如Uplift Model、PSM、Doubly Robust、Representation Learning for CATE）等方法优先，有实际项目经验优先；\n4. 熟悉推荐系统、增长策略或在线营销场景者优先；\n5. 具备优秀论文产出能力，有CCF-A类或顶级AI/ML会议（如KDD、ICML、NeurIPS、WWW）发表者，或在数学、ACM、天池等竞赛中取得优异成绩者优先；\n6. 具备优秀的逻辑思维与系统设计能力，对算法研究与业务落地有强烈热情。\n\n在招业务\n淘天集团\n我们是淘天集团淘宝用户算法团队，致力于通过外投广告、商品推荐、权益激励与消息触达等，全面提升淘宝用户的增长效率与长期价值。团队聚焦用户全生命周期管理，以算法驱动精细化运营，持续优化获客效率、增量GMV与用户LTV。\n在权益策略场景中，传统模型面临选择性偏差、高噪声干扰、多场景异构等挑战，难以准确识别微弱增量信号。为此，我们正在构建下一代因果Transformer框架。\n你将承担以下核心职责：\n1. 增量建模与因果推断：深入解决观测数据中的选择偏差与时变混杂问题，基于淘天用户特征体系，提升权益效果的归因准确性；\n2. 算法创新与模型研发：探索并设计基于因果推断Transformer的新型架构，设计提升微弱信号识别能力，推动CDUT等前沿模型落地；多场景协同建模：统一建模大促、日常、会员等多权益场景，实现跨场景知识迁移与泛化能力提升；\n3. 前沿成果输出：在KDD、ICML、NeurIPS等顶级会议发表高水平论文，拓展因果推断与个性化营销领域的影响力；\n4. 应用场景覆盖淘天多个权益体系，完成算法的线上应用及取得线上效果提升。\n加入我们，你将参与最具挑战性的工业级因果推断课题，定义智能营销与用户增长的未来技术范式。\n1. 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生，实习时间可满一年；\n2. 精通深度学习与Transformer架构，具备模型创新与底层开发能力；\n3. 熟悉因果推断（如Uplift Model、PSM、Doubly Robust、Representation Learning for CATE）等方法优先，有实际项目经验优先；\n4. 熟悉推荐系统、增长策略或在线营销场景者优先；\n5. 具备优秀论文产出能力，有CCF-A类或顶级AI/ML会议（如KDD、ICML、NeurIPS、WWW）发表者，或在数学、ACM、天池等竞赛中取得优异成绩者优先；\n6. 具备优秀的逻辑思维与系统设计能力，对算法研究与业务落地有强烈热情。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}