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": "算法工程师-展示广告大模型机制方向（T-Star Lab日常实习生）",
"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": "硕士级以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位课题：\n1.大模型与机制设计的范式融合\n2.基于大模型的智能决策智能体研究\n3.融合价值最优的生成式拍卖、重排算法研究\n课题项目背景：\n本课题聚焦于探索大语言模型、多模态大模型以及生成式AI技术如何赋能阿里妈妈核心商业场景的机制设计理论与实践革新。涉及到技术难点包括：大模型与机制设计的融合范式、生成式机制建模、超大规模分布式优化、公平性保障等。\n相关技术突破将应用于阿里妈妈广告系统的机制设计核心环节，实现更精准的广告匹配与更高效的流量分配，最终提升用户体验、广告投放效率及平台整体营收。\n成长资源：\n团队有丰富的算法研究经验、充足的GPU资源，能支持相关领域的算法探索、突破创新、论文发表；团队实际负责一线业务算法，能给T-Star Lab实习生一个很好的研究产出到实践落地的环境；团队曾引入多位往届头部同学，有充足的头部人才培养经验，同时有相关学术合作项目提供全方位资源支持。\n岗位职责：\n在这里，你将参与到大模型驱动机制设计的前沿探索中，重塑阿里妈妈核心商业场景的底层决策逻辑与交互规则。通过融合大模型的生成式推理能力与经典机制设计理论，突破传统方法在复杂多智能体环境中的建模瓶颈。致力于以颠覆性技术重构广告竞价机制、激励生态与跨域协同范式，为海量用户和商家带来更好的购物和营销体验。以及有机会提前获得秋招直通T-Star的正式Offer。",
"requirements_text": "1.硕士级以上学历，2026年11月1日以后毕业，计算机、软件工程、人工智能等相关专业，能连续实习3个月及以上；\n2.熟悉常用机器学习算法，对模式识别、深度学习、强化学习等相关领域有极佳的工程实现能力，精通C/C++、Java、Python等至少一门编程语言；\n3.有较强的学习能力及良好的沟通协作能力，对新事物保有好奇心；\n4.对所在领域有热情，善于独立思考并反思总结；\n5.有高质量研究成果并发表在国际顶级会议、期刊，或在重要算法、编程大赛中取得过优异成绩；",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"深度学习",
"强化学习",
"学习能力"
],
"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/199903900040?deptCodes="
}
]
},
"posting": {
"posting_id": "199903900040",
"post_date": "2026-03-26",
"hire_time": "1.硕士级以上学历，2026年11月1日以后毕业，计算机、软件工程、人工智能等相关专业，能连续实习3个月及以上",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903900040?deptCodes="
},
"fulltext": "算法工程师-展示广告大模型机制方向（T-Star Lab日常实习生）\n算法工程师-展示广告大模型机制方向（T-Star Lab日常实习生）\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\n\n职位描述\n岗位课题：\n1.大模型与机制设计的范式融合\n2.基于大模型的智能决策智能体研究\n3.融合价值最优的生成式拍卖、重排算法研究\n课题项目背景：\n本课题聚焦于探索大语言模型、多模态大模型以及生成式AI技术如何赋能阿里妈妈核心商业场景的机制设计理论与实践革新。涉及到技术难点包括：大模型与机制设计的融合范式、生成式机制建模、超大规模分布式优化、公平性保障等。\n相关技术突破将应用于阿里妈妈广告系统的机制设计核心环节，实现更精准的广告匹配与更高效的流量分配，最终提升用户体验、广告投放效率及平台整体营收。\n成长资源：\n团队有丰富的算法研究经验、充足的GPU资源，能支持相关领域的算法探索、突破创新、论文发表；团队实际负责一线业务算法，能给T-Star Lab实习生一个很好的研究产出到实践落地的环境；团队曾引入多位往届头部同学，有充足的头部人才培养经验，同时有相关学术合作项目提供全方位资源支持。\n岗位职责：\n在这里，你将参与到大模型驱动机制设计的前沿探索中，重塑阿里妈妈核心商业场景的底层决策逻辑与交互规则。通过融合大模型的生成式推理能力与经典机制设计理论，突破传统方法在复杂多智能体环境中的建模瓶颈。致力于以颠覆性技术重构广告竞价机制、激励生态与跨域协同范式，为海量用户和商家带来更好的购物和营销体验。以及有机会提前获得秋招直通T-Star的正式Offer。\n\n职位要求\n1.硕士级以上学历，2026年11月1日以后毕业，计算机、软件工程、人工智能等相关专业，能连续实习3个月及以上；\n2.熟悉常用机器学习算法，对模式识别、深度学习、强化学习等相关领域有极佳的工程实现能力，精通C/C++、Java、Python等至少一门编程语言；\n3.有较强的学习能力及良好的沟通协作能力，对新事物保有好奇心；\n4.对所在领域有热情，善于独立思考并反思总结；\n5.有高质量研究成果并发表在国际顶级会议、期刊，或在重要算法、编程大赛中取得过优异成绩；\n\n在招业务\n淘天集团\n岗位课题：\n1.大模型与机制设计的范式融合\n2.基于大模型的智能决策智能体研究\n3.融合价值最优的生成式拍卖、重排算法研究\n课题项目背景：\n本课题聚焦于探索大语言模型、多模态大模型以及生成式AI技术如何赋能阿里妈妈核心商业场景的机制设计理论与实践革新。涉及到技术难点包括：大模型与机制设计的融合范式、生成式机制建模、超大规模分布式优化、公平性保障等。\n相关技术突破将应用于阿里妈妈广告系统的机制设计核心环节，实现更精准的广告匹配与更高效的流量分配，最终提升用户体验、广告投放效率及平台整体营收。\n成长资源：\n团队有丰富的算法研究经验、充足的GPU资源，能支持相关领域的算法探索、突破创新、论文发表；团队实际负责一线业务算法，能给T-Star Lab实习生一个很好的研究产出到实践落地的环境；团队曾引入多位往届头部同学，有充足的头部人才培养经验，同时有相关学术合作项目提供全方位资源支持。\n岗位职责：\n在这里，你将参与到大模型驱动机制设计的前沿探索中，重塑阿里妈妈核心商业场景的底层决策逻辑与交互规则。通过融合大模型的生成式推理能力与经典机制设计理论，突破传统方法在复杂多智能体环境中的建模瓶颈。致力于以颠覆性技术重构广告竞价机制、激励生态与跨域协同范式，为海量用户和商家带来更好的购物和营销体验。以及有机会提前获得秋招直通T-Star的正式Offer。\n1.硕士级以上学历，2026年11月1日以后毕业，计算机、软件工程、人工智能等相关专业，能连续实习3个月及以上；\n2.熟悉常用机器学习算法，对模式识别、深度学习、强化学习等相关领域有极佳的工程实现能力，精通C/C++、Java、Python等至少一门编程语言；\n3.有较强的学习能力及良好的沟通协作能力，对新事物保有好奇心；\n4.对所在领域有热情，善于独立思考并反思总结；\n5.有高质量研究成果并发表在国际顶级会议、期刊，或在重要算法、编程大赛中取得过优异成绩；",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}