{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI导购&智能推荐-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": "我们是商品价格力&营销算法团队，服务于双11、618为代表的大促活动，以及百亿补贴、淘宝秒杀等耳熟能详的营销场景，以个性化推荐技术助推淘宝GMV增长。同时，我们通过红包、购物券等权益发放和货品定价补贴，拉动淘宝用户增长；通过精准的图文理解、同款匹配和比价，打造电商平台的商品价格力基础能力，影响淘宝的电商市场份额。\n我们是一只持续成长的学习型团队。在创造业务价值的同时，在搜索推荐、大模型/多模态、因果推断等技术方向，不断输出学术成果，每年在EMNLP、SIGIR、RecSys、ACL等国际顶会上发表多篇学术论文。团队学习氛围浓厚，每年组织数十场技术分享交流，互相学习和启发。\n欢迎加入我们团结紧张严肃活泼的快乐生活！一起把论文写进顶会，把算法写进双11战报！\n相关研究课题细分方向如下：\n● 课题 1：智能购物比价Agent\n○ 核心任务：融合多模态CoT、强化学习与大模型Agent技术，构建跨平台商品细粒度差异识别与推理能力，打造支撑双11、百补等核心业务的智能比价助手。\n● 课题 2：营销智能推荐系统\n○ 核心任务：探索Agent驱动的推荐系统新架构，以场域验证有效的模型与超参为核心skill，实现用户粒度的定制化推荐，同步降低资源成本与提升核心效率指标。\n● 课题 3：营销AI购物助手\n○ 核心任务：面向大促核心场景，结合AI Agent与LLM大规模电商任务Post-Training，在手淘、千问APP等C端打造个性化推荐、智能凑单、省钱攻略等人机协同的营销导购新范式。\n● 课题 4：生成式推荐全面落地\n○ 核心任务：用生成式框架与大模型推理能力重构召回-粗排-精排-重排全链路，探索领域语义ID构建、召粗一体与端到端OneModel在淘宝核心推荐场景的规模化应用。",
        "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/199907680060?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907680060",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907680060?deptCodes="
    },
    "fulltext": "AI导购&智能推荐-阿里星/T-Star\nAI导购&智能推荐-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我们是商品价格力&营销算法团队，服务于双11、618为代表的大促活动，以及百亿补贴、淘宝秒杀等耳熟能详的营销场景，以个性化推荐技术助推淘宝GMV增长。同时，我们通过红包、购物券等权益发放和货品定价补贴，拉动淘宝用户增长；通过精准的图文理解、同款匹配和比价，打造电商平台的商品价格力基础能力，影响淘宝的电商市场份额。\n我们是一只持续成长的学习型团队。在创造业务价值的同时，在搜索推荐、大模型/多模态、因果推断等技术方向，不断输出学术成果，每年在EMNLP、SIGIR、RecSys、ACL等国际顶会上发表多篇学术论文。团队学习氛围浓厚，每年组织数十场技术分享交流，互相学习和启发。\n欢迎加入我们团结紧张严肃活泼的快乐生活！一起把论文写进顶会，把算法写进双11战报！\n相关研究课题细分方向如下：\n● 课题 1：智能购物比价Agent\n○ 核心任务：融合多模态CoT、强化学习与大模型Agent技术，构建跨平台商品细粒度差异识别与推理能力，打造支撑双11、百补等核心业务的智能比价助手。\n● 课题 2：营销智能推荐系统\n○ 核心任务：探索Agent驱动的推荐系统新架构，以场域验证有效的模型与超参为核心skill，实现用户粒度的定制化推荐，同步降低资源成本与提升核心效率指标。\n● 课题 3：营销AI购物助手\n○ 核心任务：面向大促核心场景，结合AI Agent与LLM大规模电商任务Post-Training，在手淘、千问APP等C端打造个性化推荐、智能凑单、省钱攻略等人机协同的营销导购新范式。\n● 课题 4：生成式推荐全面落地\n○ 核心任务：用生成式框架与大模型推理能力重构召回-粗排-精排-重排全链路，探索领域语义ID构建、召粗一体与端到端OneModel在淘宝核心推荐场景的规模化应用。\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我们是商品价格力&营销算法团队，服务于双11、618为代表的大促活动，以及百亿补贴、淘宝秒杀等耳熟能详的营销场景，以个性化推荐技术助推淘宝GMV增长。同时，我们通过红包、购物券等权益发放和货品定价补贴，拉动淘宝用户增长；通过精准的图文理解、同款匹配和比价，打造电商平台的商品价格力基础能力，影响淘宝的电商市场份额。\n我们是一只持续成长的学习型团队。在创造业务价值的同时，在搜索推荐、大模型/多模态、因果推断等技术方向，不断输出学术成果，每年在EMNLP、SIGIR、RecSys、ACL等国际顶会上发表多篇学术论文。团队学习氛围浓厚，每年组织数十场技术分享交流，互相学习和启发。\n欢迎加入我们团结紧张严肃活泼的快乐生活！一起把论文写进顶会，把算法写进双11战报！\n相关研究课题细分方向如下：\n● 课题 1：智能购物比价Agent\n○ 核心任务：融合多模态CoT、强化学习与大模型Agent技术，构建跨平台商品细粒度差异识别与推理能力，打造支撑双11、百补等核心业务的智能比价助手。\n● 课题 2：营销智能推荐系统\n○ 核心任务：探索Agent驱动的推荐系统新架构，以场域验证有效的模型与超参为核心skill，实现用户粒度的定制化推荐，同步降低资源成本与提升核心效率指标。\n● 课题 3：营销AI购物助手\n○ 核心任务：面向大促核心场景，结合AI Agent与LLM大规模电商任务Post-Training，在手淘、千问APP等C端打造个性化推荐、智能凑单、省钱攻略等人机协同的营销导购新范式。\n● 课题 4：生成式推荐全面落地\n○ 核心任务：用生成式框架与大模型推理能力重构召回-粗排-精排-重排全链路，探索领域语义ID构建、召粗一体与端到端OneModel在淘宝核心推荐场景的规模化应用。\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": [
            "T010"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}