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-大模型推荐算法工程师",
"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硕士或博士生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 研究并探索大规模语言模型及多模态大模型在推荐系统可解释性生成中的应用，包括基于大模型的解释生成、用户意图理解与个性化解释优化；\n2. 跟进并研发大模型的关键技术链路，包括SFT、RLHF等，提升解释内容的准确性、自然性与用户可接受度；\n3. 构建推荐-解释联合建模框架，融合RAG、COT、Agent 推理等技术，实现动态、透明、可信的推荐决策过程；\n4. 探索多模态大模型在推荐场景下的可解释性表达能力，支持跨模态解释生成与用户交互；结合工业级推荐场景（如电商），推动研究成果落地，并持续优化线上效果与用户体验；\n5. 撰写高水平学术论文，和业界、学术界保持良好的交流。",
"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硕士或博士生，具备扎实的理论基础；\n2. 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；\n3. 熟悉大模型技术栈，有实际参与大模型训练或应用经验者优先，包括但不限于： 大模型预训练或领域适配（Domain Adaptation）、指令微调（SFT）与对齐优化（Alignment）、强化学习训练（RLHF / DPO）、检索增强生成（RAG）或 Agent 构建经验；\n4. 对推荐系统有基本理解，有可解释推荐（Explainable Recommendation）研究经验者优先；\n5. 在人工智能相关国际顶级会议或期刊发表过论文者优先。",
"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",
"模型训练",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "3. 熟悉大模型技术栈，有实际参与大模型训练或应用经验者优先，包括但不限于： 大模型预训练或领域适配（Domain Adaptation）、指令微调（SFT）与对齐优化（Alignment）、强化学习训练（RLHF / DPO）、检索增强生成（RAG）或 Agent 构建经验；4. 对推荐系统有基本理解，有可解释推荐（Explainable Recommendation）研究经验者优先；5. 在人工智能相关国际顶级会议或期刊发表过论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903900050?deptCodes="
}
]
},
"posting": {
"posting_id": "199903900050",
"post_date": "2026-03-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903900050?deptCodes="
},
"fulltext": "研究型实习生-阿里妈妈-大模型推荐算法工程师\n研究型实习生-阿里妈妈-大模型推荐算法工程师\n\n基础信息\n毕业起止时间要求：2026-10-31 - 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. 研究并探索大规模语言模型及多模态大模型在推荐系统可解释性生成中的应用，包括基于大模型的解释生成、用户意图理解与个性化解释优化；\n2. 跟进并研发大模型的关键技术链路，包括SFT、RLHF等，提升解释内容的准确性、自然性与用户可接受度；\n3. 构建推荐-解释联合建模框架，融合RAG、COT、Agent 推理等技术，实现动态、透明、可信的推荐决策过程；\n4. 探索多模态大模型在推荐场景下的可解释性表达能力，支持跨模态解释生成与用户交互；结合工业级推荐场景（如电商），推动研究成果落地，并持续优化线上效果与用户体验；\n5. 撰写高水平学术论文，和业界、学术界保持良好的交流。\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硕士或博士生，具备扎实的理论基础；\n2. 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；\n3. 熟悉大模型技术栈，有实际参与大模型训练或应用经验者优先，包括但不限于： 大模型预训练或领域适配（Domain Adaptation）、指令微调（SFT）与对齐优化（Alignment）、强化学习训练（RLHF / DPO）、检索增强生成（RAG）或 Agent 构建经验；\n4. 对推荐系统有基本理解，有可解释推荐（Explainable Recommendation）研究经验者优先；\n5. 在人工智能相关国际顶级会议或期刊发表过论文者优先。\n\n在招业务\n淘天集团\n1. 研究并探索大规模语言模型及多模态大模型在推荐系统可解释性生成中的应用，包括基于大模型的解释生成、用户意图理解与个性化解释优化；\n2. 跟进并研发大模型的关键技术链路，包括SFT、RLHF等，提升解释内容的准确性、自然性与用户可接受度；\n3. 构建推荐-解释联合建模框架，融合RAG、COT、Agent 推理等技术，实现动态、透明、可信的推荐决策过程；\n4. 探索多模态大模型在推荐场景下的可解释性表达能力，支持跨模态解释生成与用户交互；结合工业级推荐场景（如电商），推动研究成果落地，并持续优化线上效果与用户体验；\n5. 撰写高水平学术论文，和业界、学术界保持良好的交流。\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硕士或博士生，具备扎实的理论基础；\n2. 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；\n3. 熟悉大模型技术栈，有实际参与大模型训练或应用经验者优先，包括但不限于： 大模型预训练或领域适配（Domain Adaptation）、指令微调（SFT）与对齐优化（Alignment）、强化学习训练（RLHF / DPO）、检索增强生成（RAG）或 Agent 构建经验；\n4. 对推荐系统有基本理解，有可解释推荐（Explainable Recommendation）研究经验者优先；\n5. 在人工智能相关国际顶级会议或期刊发表过论文者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}