主分类：大模型与生成式算法研发
辅助：Agent系统开发、搜索推荐与业务决策算法研发（仅展示）
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": "LLM大模型应用算法实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "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": "1. Agent方向：直接参与到导购Agent的算法研发工作，包含无障碍导购Agent、搜索导购Agent两个Agent项目并结合技术创新与实际业务落地，产出高质量论文、专利与开源成果。包括相关项目的高质量数据构建，支撑复杂任务建模与行为学习，运用大模型SFT、RL等Post-training训练方法并探索 Online RL 等前沿方法，设计并落地“过程监督 + 结果监督”联合训练范式，融合MCTS、ToT、Reflection等推理方法，等等；\n2. LLM应用方向：探索基于LLM的Query理解大模型，通过天猫的数据微调大模型生成ID表征向量，在搜索和推荐算法各模块进行深度的探索和应用。包括但不限于语义相关性、类目预测、召回排序等。探索生成式搜索技术（如Query扩展、结果摘要生成），助力搜索从“信息呈现”向“决策辅助”升级；\n3. 结合业务需求，设计和扩展LLM的应用场景范围及规模，提高模型微调后再垂直领域的应用及专家模式的架构尝试；\n4. 跟踪LLM与Agent领域的国际前沿技术动态，开展前沿算法的研究工作，推动技术创新在业务场景中的落地应用，重点突破复杂推理、GUI Agent、AI搜索等方向的技术沉淀和业务创新。",
"requirements_text": "1. Agent方向：深入理解Transformer架构、掌握预训练（Pretrain）、监督微调（SFT）等基础算法，并深入应用 RLHF、RLAIF、DPO/GRPO 等对齐技术；\n2. LLM方向：熟悉常见LLM模型，理解LLM的原理和架构，扎实的机器学习/深度学习基础，熟练掌握深度学习框架，如PyTorch等，并对其底层原理有深入理解；\n3. 有大规模机器学习，商品理解，个性化推荐，广告，信息检索，自然语言处理相关领域工作经验者优先；\n4. 精通Python及PyTorch/TensorFlow等框架，具备Qwen、Deepseek等模型的二次开发经验者优先；\n5. 硕士及以上学历，计算机、数学等相关专业，国际顶会论文发表者优先。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"自然语言处理"
],
"preferred_qualifications": "3. 有大规模机器学习，商品理解，个性化推荐，广告，信息检索，自然语言处理相关领域工作经验者优先；4. 精通Python及PyTorch/TensorFlow等框架，具备Qwen、Deepseek等模型的二次开发经验者优先；5. 硕士及以上学历，计算机、数学等相关专业，国际顶会论文发表者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903920049?deptCodes="
}
]
},
"posting": {
"posting_id": "199903920049",
"post_date": "2026-03-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903920049?deptCodes="
},
"fulltext": "LLM大模型应用算法实习生\nLLM大模型应用算法实习生\n\n基础信息\n毕业起止时间要求：2027-06-30 - 2028-12-30\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：杭州\n\n职位描述\n1. Agent方向：直接参与到导购Agent的算法研发工作，包含无障碍导购Agent、搜索导购Agent两个Agent项目并结合技术创新与实际业务落地，产出高质量论文、专利与开源成果。包括相关项目的高质量数据构建，支撑复杂任务建模与行为学习，运用大模型SFT、RL等Post-training训练方法并探索 Online RL 等前沿方法，设计并落地“过程监督 + 结果监督”联合训练范式，融合MCTS、ToT、Reflection等推理方法，等等；\n2. LLM应用方向：探索基于LLM的Query理解大模型，通过天猫的数据微调大模型生成ID表征向量，在搜索和推荐算法各模块进行深度的探索和应用。包括但不限于语义相关性、类目预测、召回排序等。探索生成式搜索技术（如Query扩展、结果摘要生成），助力搜索从“信息呈现”向“决策辅助”升级；\n3. 结合业务需求，设计和扩展LLM的应用场景范围及规模，提高模型微调后再垂直领域的应用及专家模式的架构尝试；\n4. 跟踪LLM与Agent领域的国际前沿技术动态，开展前沿算法的研究工作，推动技术创新在业务场景中的落地应用，重点突破复杂推理、GUI Agent、AI搜索等方向的技术沉淀和业务创新。\n\n职位要求\n1. Agent方向：深入理解Transformer架构、掌握预训练（Pretrain）、监督微调（SFT）等基础算法，并深入应用 RLHF、RLAIF、DPO/GRPO 等对齐技术；\n2. LLM方向：熟悉常见LLM模型，理解LLM的原理和架构，扎实的机器学习/深度学习基础，熟练掌握深度学习框架，如PyTorch等，并对其底层原理有深入理解；\n3. 有大规模机器学习，商品理解，个性化推荐，广告，信息检索，自然语言处理相关领域工作经验者优先；\n4. 精通Python及PyTorch/TensorFlow等框架，具备Qwen、Deepseek等模型的二次开发经验者优先；\n5. 硕士及以上学历，计算机、数学等相关专业，国际顶会论文发表者优先。\n\n在招业务\n淘天集团\n1. Agent方向：直接参与到导购Agent的算法研发工作，包含无障碍导购Agent、搜索导购Agent两个Agent项目并结合技术创新与实际业务落地，产出高质量论文、专利与开源成果。包括相关项目的高质量数据构建，支撑复杂任务建模与行为学习，运用大模型SFT、RL等Post-training训练方法并探索 Online RL 等前沿方法，设计并落地“过程监督 + 结果监督”联合训练范式，融合MCTS、ToT、Reflection等推理方法，等等；\n2. LLM应用方向：探索基于LLM的Query理解大模型，通过天猫的数据微调大模型生成ID表征向量，在搜索和推荐算法各模块进行深度的探索和应用。包括但不限于语义相关性、类目预测、召回排序等。探索生成式搜索技术（如Query扩展、结果摘要生成），助力搜索从“信息呈现”向“决策辅助”升级；\n3. 结合业务需求，设计和扩展LLM的应用场景范围及规模，提高模型微调后再垂直领域的应用及专家模式的架构尝试；\n4. 跟踪LLM与Agent领域的国际前沿技术动态，开展前沿算法的研究工作，推动技术创新在业务场景中的落地应用，重点突破复杂推理、GUI Agent、AI搜索等方向的技术沉淀和业务创新。\n1. Agent方向：深入理解Transformer架构、掌握预训练（Pretrain）、监督微调（SFT）等基础算法，并深入应用 RLHF、RLAIF、DPO/GRPO 等对齐技术；\n2. LLM方向：熟悉常见LLM模型，理解LLM的原理和架构，扎实的机器学习/深度学习基础，熟练掌握深度学习框架，如PyTorch等，并对其底层原理有深入理解；\n3. 有大规模机器学习，商品理解，个性化推荐，广告，信息检索，自然语言处理相关领域工作经验者优先；\n4. 精通Python及PyTorch/TensorFlow等框架，具备Qwen、Deepseek等模型的二次开发经验者优先；\n5. 硕士及以上学历，计算机、数学等相关专业，国际顶会论文发表者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009",
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}