{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型驱动的用户理解&权益发放模型优化-阿里星/T-Star",
        "job_level": "校招",AI生成
        "work_category": "全职",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": "计算机科学/人工智能/机器学习等相关领域的硕士或博士",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "【团队介绍】\n我们是淘天集团用户算法团队，聚焦亿级用户全生命周期的兴趣理解和价值挖掘，致力于通过前沿AI技术，与手淘用户外投拉承、互动商品推荐、权益发放、消息触达及88vip会员等核心场景进行深度结合，为淘宝用户增长与长期价值提升持续注入动力，打造AI驱动的用户增长新引擎。\n我们以超大规模机器学习、生成式/多模态商品召回与排序、Agent创新应用、序列行为建模、因果推断与运筹优化等为核心技术引擎，不仅在传统的获客效率、用户活跃度、增量GMV和用户LTV等关键指标上持续突破，更在探索AI如何重塑用户理解、激发潜在需求、优化全局策略等前沿领域。\n这里，你将接触到最顶尖的技术挑战，参与定义电商未来的增长范式。加入我们，一起用AI领跑用户增长的未来！\n相关研究课题细分方向如下：\n● 课题1：大模型驱动的用户增长算法新范式\n○ 核心任务：利用大模型的世界知识与推理能力深度理解用户意图、预估长期价值，结合生成式推荐与导购Agent，重新定义电商用户增长的获客与转化链路。\n● 课题2： 大模型时代的电商权益生成式发放与可解释建模\n○ 核心任务：突破传统\"\"打分发券\"\"范式，用LLM构建增量因果预估与未来行为预测能力，并探索Post-CoT等白盒推理机制，让优惠券的发放既智能又可解释。",
        "requirements_text": "1. 计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构。\n2. 掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态/因果推断/运筹优化等至少一个领域。\n3. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先。\n4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习、因果推断等领域前沿进展。\n5. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先。\n6. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。\n7. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值。\n8. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。\n【加分项】\n1. 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历。\n2. 有海量数据处理经验或者大厂实习经验。\n3. 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "强化学习",
            "自然语言处理",
            "数据结构",
            "数据分析",
            "模型训练",
            "沟通能力",
            "大语言模型"
        ],
        "preferred_qualifications": "3. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；5. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先；【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/199907660046?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907660046",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907660046?deptCodes="
    },
    "fulltext": "大模型驱动的用户理解&权益发放模型优化-阿里星/T-Star\n大模型驱动的用户理解&权益发放模型优化-阿里星/T-Star\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：北京 / 杭州\n\n职位描述\n【团队介绍】\n我们是淘天集团用户算法团队，聚焦亿级用户全生命周期的兴趣理解和价值挖掘，致力于通过前沿AI技术，与手淘用户外投拉承、互动商品推荐、权益发放、消息触达及88vip会员等核心场景进行深度结合，为淘宝用户增长与长期价值提升持续注入动力，打造AI驱动的用户增长新引擎。\n我们以超大规模机器学习、生成式/多模态商品召回与排序、Agent创新应用、序列行为建模、因果推断与运筹优化等为核心技术引擎，不仅在传统的获客效率、用户活跃度、增量GMV和用户LTV等关键指标上持续突破，更在探索AI如何重塑用户理解、激发潜在需求、优化全局策略等前沿领域。\n这里，你将接触到最顶尖的技术挑战，参与定义电商未来的增长范式。加入我们，一起用AI领跑用户增长的未来！\n相关研究课题细分方向如下：\n● 课题1：大模型驱动的用户增长算法新范式\n○ 核心任务：利用大模型的世界知识与推理能力深度理解用户意图、预估长期价值，结合生成式推荐与导购Agent，重新定义电商用户增长的获客与转化链路。\n● 课题2： 大模型时代的电商权益生成式发放与可解释建模\n○ 核心任务：突破传统\"\"打分发券\"\"范式，用LLM构建增量因果预估与未来行为预测能力，并探索Post-CoT等白盒推理机制，让优惠券的发放既智能又可解释。\n\n职位要求\n1. 计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构。\n2. 掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态/因果推断/运筹优化等至少一个领域。\n3. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先。\n4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习、因果推断等领域前沿进展。\n5. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先。\n6. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。\n7. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值。\n8. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。\n【加分项】\n1. 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历。\n2. 有海量数据处理经验或者大厂实习经验。\n3. 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。\n\n在招业务\n淘天集团\n【团队介绍】\n我们是淘天集团用户算法团队，聚焦亿级用户全生命周期的兴趣理解和价值挖掘，致力于通过前沿AI技术，与手淘用户外投拉承、互动商品推荐、权益发放、消息触达及88vip会员等核心场景进行深度结合，为淘宝用户增长与长期价值提升持续注入动力，打造AI驱动的用户增长新引擎。\n我们以超大规模机器学习、生成式/多模态商品召回与排序、Agent创新应用、序列行为建模、因果推断与运筹优化等为核心技术引擎，不仅在传统的获客效率、用户活跃度、增量GMV和用户LTV等关键指标上持续突破，更在探索AI如何重塑用户理解、激发潜在需求、优化全局策略等前沿领域。\n这里，你将接触到最顶尖的技术挑战，参与定义电商未来的增长范式。加入我们，一起用AI领跑用户增长的未来！\n相关研究课题细分方向如下：\n● 课题1：大模型驱动的用户增长算法新范式\n○ 核心任务：利用大模型的世界知识与推理能力深度理解用户意图、预估长期价值，结合生成式推荐与导购Agent，重新定义电商用户增长的获客与转化链路。\n● 课题2： 大模型时代的电商权益生成式发放与可解释建模\n○ 核心任务：突破传统\"\"打分发券\"\"范式，用LLM构建增量因果预估与未来行为预测能力，并探索Post-CoT等白盒推理机制，让优惠券的发放既智能又可解释。\n1. 计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构。\n2. 掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态/因果推断/运筹优化等至少一个领域。\n3. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先。\n4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习、因果推断等领域前沿进展。\n5. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先。\n6. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。\n7. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值。\n8. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。\n【加分项】\n1. 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历。\n2. 有海量数据处理经验或者大厂实习经验。\n3. 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}