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-阿里妈妈-多目标推荐算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "北京",
"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、自然语言处理、数据挖掘、机器学习等相关专业在读硕士或博士生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 参与商业化混排场景下异构多目标（媒体价值 & 商业化价值）融合机制的原型设计与实现，寻求帕累托最优解，搭建并优化多目标预测、超参寻优和鲁棒性算法pipeline，提升离线/线上核心指标。\n2. 参与生成式范式下序列价值建模的最新研究，并在给出满足不同异构目标的序列生成策略的优化方案。\n3. 总结技术创新点，撰写技术报告或顶会论文，输出可复用的代码、文档与最佳实践。",
"requirements_text": "1. 计算机科学、人工智能、自然语言处理、数据挖掘、机器学习等相关专业在读硕士或博士生，具备扎实的理论基础；\n2. 扎实的机器学习/深度学习基础，熟悉下列至少两项：\n2.1 多目标/多任务学习、帕累托优化、进化算法或强化学习；\n2.2 推荐系统 / 信息检索 / 排序学习（LTR） / 领域适配（Domain Adaptation）；\n2.3 在线广告竞价与拍卖机制；\n3. 熟练掌握至少一种主流深度学习框架（如 PyTorch、TensorFlow），具备良好的编程能力，能独立实现和调试复杂算法；\n4. 思维严谨，具备快速学习、问题拆解与沟通协作能力，对业务效果与学术创新均有强烈驱动力；\n5. 具备顶会/期刊论文发表、算法竞赛获奖、开源项目贡献者等亮点经历者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"数据挖掘"
],
"preferred_qualifications": "5. 具备顶会/期刊论文发表、算法竞赛获奖、开源项目贡献者等亮点经历者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903880044?deptCodes="
}
]
},
"posting": {
"posting_id": "199903880044",
"post_date": "2026-03-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903880044?deptCodes="
},
"fulltext": "研究型实习生-阿里妈妈-多目标推荐算法工程师\n研究型实习生-阿里妈妈-多目标推荐算法工程师\n\n基础信息\n毕业起止时间要求：2026-03-30 - 2031-12-30\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\n\n职位描述\n1. 参与商业化混排场景下异构多目标（媒体价值 & 商业化价值）融合机制的原型设计与实现，寻求帕累托最优解，搭建并优化多目标预测、超参寻优和鲁棒性算法pipeline，提升离线/线上核心指标。\n2. 参与生成式范式下序列价值建模的最新研究，并在给出满足不同异构目标的序列生成策略的优化方案。\n3. 总结技术创新点，撰写技术报告或顶会论文，输出可复用的代码、文档与最佳实践。\n\n职位要求\n1. 计算机科学、人工智能、自然语言处理、数据挖掘、机器学习等相关专业在读硕士或博士生，具备扎实的理论基础；\n2. 扎实的机器学习/深度学习基础，熟悉下列至少两项：\n2.1 多目标/多任务学习、帕累托优化、进化算法或强化学习；\n2.2 推荐系统 / 信息检索 / 排序学习（LTR） / 领域适配（Domain Adaptation）；\n2.3 在线广告竞价与拍卖机制；\n3. 熟练掌握至少一种主流深度学习框架（如 PyTorch、TensorFlow），具备良好的编程能力，能独立实现和调试复杂算法；\n4. 思维严谨，具备快速学习、问题拆解与沟通协作能力，对业务效果与学术创新均有强烈驱动力；\n5. 具备顶会/期刊论文发表、算法竞赛获奖、开源项目贡献者等亮点经历者优先。\n\n在招业务\n淘天集团\n1. 参与商业化混排场景下异构多目标（媒体价值 & 商业化价值）融合机制的原型设计与实现，寻求帕累托最优解，搭建并优化多目标预测、超参寻优和鲁棒性算法pipeline，提升离线/线上核心指标。\n2. 参与生成式范式下序列价值建模的最新研究，并在给出满足不同异构目标的序列生成策略的优化方案。\n3. 总结技术创新点，撰写技术报告或顶会论文，输出可复用的代码、文档与最佳实践。\n1. 计算机科学、人工智能、自然语言处理、数据挖掘、机器学习等相关专业在读硕士或博士生，具备扎实的理论基础；\n2. 扎实的机器学习/深度学习基础，熟悉下列至少两项：\n2.1 多目标/多任务学习、帕累托优化、进化算法或强化学习；\n2.2 推荐系统 / 信息检索 / 排序学习（LTR） / 领域适配（Domain Adaptation）；\n2.3 在线广告竞价与拍卖机制；\n3. 熟练掌握至少一种主流深度学习框架（如 PyTorch、TensorFlow），具备良好的编程能力，能独立实现和调试复杂算法；\n4. 思维严谨，具备快速学习、问题拆解与沟通协作能力，对业务效果与学术创新均有强烈驱动力；\n5. 具备顶会/期刊论文发表、算法竞赛获奖、开源项目贡献者等亮点经历者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}