主分类：Agent系统开发
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-智能广告大模型和Agent方向（T-Star Lab日常实习）",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "在这里，你将接触国内绝对第一梯队广告业务的核心算法和数据，和清北背景的Mentor一起用大模型提升广告投放效果，收获\"用算法驱动业务大幅增长”的快感。\n岗位课题：基于大模型和Agent技术的广告投放优化算法研究与应用\n课题项目背景：\n广告主每天会花大量人力做广告投放相关的决策，包括不限于设置和调整广告投放计划、识别异常投放情况、咨询平台政策等。以上决策不仅费时费力，投放效果还受限于广告主经验而参差不齐。在此背景下，我们用LLM做了广告投放Copilot和Agent，来辅助or代理 广告主做决策。\n岗位描述：\n1.生成式算法重构营销算法\nA 如同LLM重构了NLP各类算法，参与生成式算法全面革新营销领域的各类算法，如AI选词、AI诊断、AI出价等。\nB 研究基于生成式模型如何构建上层营销Agent，能够给海量商家提供拟人化的解决方案。\n2.面向未来的Agentic系统构建\nA 通过高效分布式计算、多轮环境交互的RL训练框架、灵活的多任务联合训练等的支持 ，构建面向工业级海量商家的Agentic架构。\nB 一起探索语言模型和强化学习的算法边界，探索AI技术驱动的创新应用。\n3.在营销领域，实战探索领域AGI的可行路径\nA 直面海量商家、高预算需求，在营销领域真正落地营销Agent（AI小万）。\nB 参与双11、618等顶级电商场景的算法优化，见证营销领域AGI的真实落地过程，经历通过客户体验提升带来商业增长的完整路径。\n成长资源：\n1.团队在ToB AI算法领域上深厚技术积淀、完善的工程配套和海量广告业务数据，帮助同学在算法研发上能尽情发挥才华；\n2.优秀资深师兄和TL的专属coaching，为同学的成长保驾护航；",
"requirements_text": "1.硕士及以上学历，2026年11月1日以后毕业，计算机、信息学等相关专业，能连续实习3个月及以上；\n2.接受过系统的机器学习、大模型相关的科研训练，在机器学习理论和应用（CV、NLP、RL等）等领域至少以一作发表过两篇顶会/顶刊paper。\n3.具备良好的逻辑思维能力、沟通表达能力和动手能力，能将相对复杂的业务问题抽象成技术问题，并给出优雅的Formulation。\n4.对AI尤其是大模型、Agent等新技术充满好奇心，对业界前沿进展Follow紧。\n【加分项】\n1.曾获ML相关顶会的Best Paper（含Runner-up)。\n2.来自国内知名的机器学习相关实验室。\n3.曾获ML相关国际大赛Top 3（如KDD Cup、NIPs比赛等）。\n4.曾获奥数金牌、物理金牌、信息学竞赛金牌等。",
"skills": [AI生成
"机器学习",
"自然语言处理",
"沟通表达",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "【加分项】",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903920032?deptCodes="
}
]
},
"posting": {
"posting_id": "199903920032",
"post_date": "2026-03-26",
"hire_time": "1.硕士及以上学历，2026年11月1日以后毕业，计算机、信息学等相关专业，能连续实习3个月及以上",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903920032?deptCodes="
},
"fulltext": "算法工程师-智能广告大模型和Agent方向（T-Star Lab日常实习）\n算法工程师-智能广告大模型和Agent方向（T-Star Lab日常实习）\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 / 杭州\n\n职位描述\n在这里，你将接触国内绝对第一梯队广告业务的核心算法和数据，和清北背景的Mentor一起用大模型提升广告投放效果，收获\"用算法驱动业务大幅增长”的快感。\n岗位课题：基于大模型和Agent技术的广告投放优化算法研究与应用\n课题项目背景：\n广告主每天会花大量人力做广告投放相关的决策，包括不限于设置和调整广告投放计划、识别异常投放情况、咨询平台政策等。以上决策不仅费时费力，投放效果还受限于广告主经验而参差不齐。在此背景下，我们用LLM做了广告投放Copilot和Agent，来辅助or代理 广告主做决策。\n岗位描述：\n1.生成式算法重构营销算法\nA 如同LLM重构了NLP各类算法，参与生成式算法全面革新营销领域的各类算法，如AI选词、AI诊断、AI出价等。\nB 研究基于生成式模型如何构建上层营销Agent，能够给海量商家提供拟人化的解决方案。\n2.面向未来的Agentic系统构建\nA 通过高效分布式计算、多轮环境交互的RL训练框架、灵活的多任务联合训练等的支持 ，构建面向工业级海量商家的Agentic架构。\nB 一起探索语言模型和强化学习的算法边界，探索AI技术驱动的创新应用。\n3.在营销领域，实战探索领域AGI的可行路径\nA 直面海量商家、高预算需求，在营销领域真正落地营销Agent（AI小万）。\nB 参与双11、618等顶级电商场景的算法优化，见证营销领域AGI的真实落地过程，经历通过客户体验提升带来商业增长的完整路径。\n成长资源：\n1.团队在ToB AI算法领域上深厚技术积淀、完善的工程配套和海量广告业务数据，帮助同学在算法研发上能尽情发挥才华；\n2.优秀资深师兄和TL的专属coaching，为同学的成长保驾护航；\n\n职位要求\n1.硕士及以上学历，2026年11月1日以后毕业，计算机、信息学等相关专业，能连续实习3个月及以上；\n2.接受过系统的机器学习、大模型相关的科研训练，在机器学习理论和应用（CV、NLP、RL等）等领域至少以一作发表过两篇顶会/顶刊paper。\n3.具备良好的逻辑思维能力、沟通表达能力和动手能力，能将相对复杂的业务问题抽象成技术问题，并给出优雅的Formulation。\n4.对AI尤其是大模型、Agent等新技术充满好奇心，对业界前沿进展Follow紧。\n【加分项】\n1.曾获ML相关顶会的Best Paper（含Runner-up)。\n2.来自国内知名的机器学习相关实验室。\n3.曾获ML相关国际大赛Top 3（如KDD Cup、NIPs比赛等）。\n4.曾获奥数金牌、物理金牌、信息学竞赛金牌等。\n\n在招业务\n淘天集团\n在这里，你将接触国内绝对第一梯队广告业务的核心算法和数据，和清北背景的Mentor一起用大模型提升广告投放效果，收获\"用算法驱动业务大幅增长”的快感。\n岗位课题：基于大模型和Agent技术的广告投放优化算法研究与应用\n课题项目背景：\n广告主每天会花大量人力做广告投放相关的决策，包括不限于设置和调整广告投放计划、识别异常投放情况、咨询平台政策等。以上决策不仅费时费力，投放效果还受限于广告主经验而参差不齐。在此背景下，我们用LLM做了广告投放Copilot和Agent，来辅助or代理 广告主做决策。\n岗位描述：\n1.生成式算法重构营销算法\nA 如同LLM重构了NLP各类算法，参与生成式算法全面革新营销领域的各类算法，如AI选词、AI诊断、AI出价等。\nB 研究基于生成式模型如何构建上层营销Agent，能够给海量商家提供拟人化的解决方案。\n2.面向未来的Agentic系统构建\nA 通过高效分布式计算、多轮环境交互的RL训练框架、灵活的多任务联合训练等的支持 ，构建面向工业级海量商家的Agentic架构。\nB 一起探索语言模型和强化学习的算法边界，探索AI技术驱动的创新应用。\n3.在营销领域，实战探索领域AGI的可行路径\nA 直面海量商家、高预算需求，在营销领域真正落地营销Agent（AI小万）。\nB 参与双11、618等顶级电商场景的算法优化，见证营销领域AGI的真实落地过程，经历通过客户体验提升带来商业增长的完整路径。\n成长资源：\n1.团队在ToB AI算法领域上深厚技术积淀、完善的工程配套和海量广告业务数据，帮助同学在算法研发上能尽情发挥才华；\n2.优秀资深师兄和TL的专属coaching，为同学的成长保驾护航；\n1.硕士及以上学历，2026年11月1日以后毕业，计算机、信息学等相关专业，能连续实习3个月及以上；\n2.接受过系统的机器学习、大模型相关的科研训练，在机器学习理论和应用（CV、NLP、RL等）等领域至少以一作发表过两篇顶会/顶刊paper。\n3.具备良好的逻辑思维能力、沟通表达能力和动手能力，能将相对复杂的业务问题抽象成技术问题，并给出优雅的Formulation。\n4.对AI尤其是大模型、Agent等新技术充满好奇心，对业界前沿进展Follow紧。\n【加分项】\n1.曾获ML相关顶会的Best Paper（含Runner-up)。\n2.来自国内知名的机器学习相关实验室。\n3.曾获ML相关国际大赛Top 3（如KDD Cup、NIPs比赛等）。\n4.曾获奥数金牌、物理金牌、信息学竞赛金牌等。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}