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": "阿里妈妈-机制策略算法实习生",
"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、数学或统计学相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责广告&自然结果在Generator-Evaluator架构下混排模型&机制迭代创新；\n2. 负责研究强化学习、生成式模型在广告生成式拍卖中的应用；\n3. 负责复杂外部性环境下的广告Listwise价值的预估任务；\n4. 负责广告多阶段的分配模型的设计和效率优化；\n5. 支持研究和推动Autobidding模式下的新机制设计的应用与创新。",
"requirements_text": "1. 计算机、数学或统计学相关专业硕士及以上学历； \n2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础； \n3. 熟悉常用的机器学习算法； \n4. 具备优秀的分析和解决问题的能力，良好的沟通协作能力； \n5. 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议(SIGIR、SIGKDD、ICML、NIPS、WSDM、WWW、AAAI、CIKM、ACL、RECSYS)或者期刊上发表过论文者更佳； \n6. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳； \n7. 参与过机器学习开源项目并有突出贡献者更佳。",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"强化学习",
"数据结构",
"数据挖掘",
"解决问题"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903880051?deptCodes="
}
]
},
"posting": {
"posting_id": "199903880051",
"post_date": "2026-03-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903880051?deptCodes="
},
"fulltext": "阿里妈妈-机制策略算法实习生\n阿里妈妈-机制策略算法实习生\n\n基础信息\n毕业起止时间要求：2026-10-31 - 2029-10-30\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\n\n职位描述\n1. 负责广告&自然结果在Generator-Evaluator架构下混排模型&机制迭代创新；\n2. 负责研究强化学习、生成式模型在广告生成式拍卖中的应用；\n3. 负责复杂外部性环境下的广告Listwise价值的预估任务；\n4. 负责广告多阶段的分配模型的设计和效率优化；\n5. 支持研究和推动Autobidding模式下的新机制设计的应用与创新。\n\n职位要求\n1. 计算机、数学或统计学相关专业硕士及以上学历； \n2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础； \n3. 熟悉常用的机器学习算法； \n4. 具备优秀的分析和解决问题的能力，良好的沟通协作能力； \n5. 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议(SIGIR、SIGKDD、ICML、NIPS、WSDM、WWW、AAAI、CIKM、ACL、RECSYS)或者期刊上发表过论文者更佳； \n6. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳； \n7. 参与过机器学习开源项目并有突出贡献者更佳。\n\n在招业务\n淘天集团\n1. 负责广告&自然结果在Generator-Evaluator架构下混排模型&机制迭代创新；\n2. 负责研究强化学习、生成式模型在广告生成式拍卖中的应用；\n3. 负责复杂外部性环境下的广告Listwise价值的预估任务；\n4. 负责广告多阶段的分配模型的设计和效率优化；\n5. 支持研究和推动Autobidding模式下的新机制设计的应用与创新。\n1. 计算机、数学或统计学相关专业硕士及以上学历； \n2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础； \n3. 熟悉常用的机器学习算法； \n4. 具备优秀的分析和解决问题的能力，良好的沟通协作能力； \n5. 有数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博弈论相关领域研究和实践经验，在以上领域的国际会议(SIGIR、SIGKDD、ICML、NIPS、WSDM、WWW、AAAI、CIKM、ACL、RECSYS)或者期刊上发表过论文者更佳； \n6. 参加过ACM或数据挖掘&机器学习类竞赛(天池大奖赛、Kaggle)并取得好名次者更佳； \n7. 参与过机器学习开源项目并有突出贡献者更佳。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}