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": "多模态理解与用户意图推理-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": "- PhD / 硕士毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "- 参与用户理解、行为建模、意图识别等核心算法研发。\n- 探索大模型、多模态、序列建模、因果推断、强化学习等技术在搜索推荐场景中的应用。\n- 参与模型训练、评估、上线和实验分析，推动算法能力在真实产品中落地。\n- 与产品、工程、算法团队合作，将研究问题转化为可验证、可迭代的系统能力。\n- 在有条件的情况下，参与论文、专利、技术分享和开源等技术影响力建设。",
"requirements_text": "- PhD / 硕士毕业生，计算机、人工智能、统计、数学、电子工程等相关专业。\n- 在机器学习、推荐系统、信息检索、NLP、大模型、多模态理解、数据挖掘、强化学习等方向有扎实基础。\n- 熟悉多模态理解模型的原理与应用，能够建模文本、图像、视频、商品、内容与用户行为之间的语义关系。\n- 了解或实践过大语言模型后训练相关技术，如 SFT、DPO、偏好对齐、指令微调、评测体系构建等。\n- 对 Deep Research、Agent、RAG、长上下文推理等技术在意图理解、需求分析和决策辅助中的应用有兴趣或实践经验。\n- 对复杂业务问题有兴趣，愿意把多模态理解、大模型推理与意图建模应用到真实产品场景中。\n- 在 NeurIPS / ICML / ICLR / ACL / EMNLP / CVPR 等会议或期刊发表过高质量论文。\"",
"skills": [AI生成
"机器学习",
"强化学习",
"自然语言处理",
"数据挖掘",
"需求分析",
"建模",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907720120?deptCodes="
}
]
},
"posting": {
"posting_id": "199907720120",
"post_date": "2026-08-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907720120?deptCodes="
},
"fulltext": "多模态理解与用户意图推理-阿里星/T-Star\n多模态理解与用户意图推理-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- 参与用户理解、行为建模、意图识别等核心算法研发。\n- 探索大模型、多模态、序列建模、因果推断、强化学习等技术在搜索推荐场景中的应用。\n- 参与模型训练、评估、上线和实验分析，推动算法能力在真实产品中落地。\n- 与产品、工程、算法团队合作，将研究问题转化为可验证、可迭代的系统能力。\n- 在有条件的情况下，参与论文、专利、技术分享和开源等技术影响力建设。\n\n职位要求\n- PhD / 硕士毕业生，计算机、人工智能、统计、数学、电子工程等相关专业。\n- 在机器学习、推荐系统、信息检索、NLP、大模型、多模态理解、数据挖掘、强化学习等方向有扎实基础。\n- 熟悉多模态理解模型的原理与应用，能够建模文本、图像、视频、商品、内容与用户行为之间的语义关系。\n- 了解或实践过大语言模型后训练相关技术，如 SFT、DPO、偏好对齐、指令微调、评测体系构建等。\n- 对 Deep Research、Agent、RAG、长上下文推理等技术在意图理解、需求分析和决策辅助中的应用有兴趣或实践经验。\n- 对复杂业务问题有兴趣，愿意把多模态理解、大模型推理与意图建模应用到真实产品场景中。\n- 在 NeurIPS / ICML / ICLR / ACL / EMNLP / CVPR 等会议或期刊发表过高质量论文。\"\n\n在招业务\n淘天集团\n- 参与用户理解、行为建模、意图识别等核心算法研发。\n- 探索大模型、多模态、序列建模、因果推断、强化学习等技术在搜索推荐场景中的应用。\n- 参与模型训练、评估、上线和实验分析，推动算法能力在真实产品中落地。\n- 与产品、工程、算法团队合作，将研究问题转化为可验证、可迭代的系统能力。\n- 在有条件的情况下，参与论文、专利、技术分享和开源等技术影响力建设。\n- PhD / 硕士毕业生，计算机、人工智能、统计、数学、电子工程等相关专业。\n- 在机器学习、推荐系统、信息检索、NLP、大模型、多模态理解、数据挖掘、强化学习等方向有扎实基础。\n- 熟悉多模态理解模型的原理与应用，能够建模文本、图像、视频、商品、内容与用户行为之间的语义关系。\n- 了解或实践过大语言模型后训练相关技术，如 SFT、DPO、偏好对齐、指令微调、评测体系构建等。\n- 对 Deep Research、Agent、RAG、长上下文推理等技术在意图理解、需求分析和决策辅助中的应用有兴趣或实践经验。\n- 对复杂业务问题有兴趣，愿意把多模态理解、大模型推理与意图建模应用到真实产品场景中。\n- 在 NeurIPS / ICML / ICLR / ACL / EMNLP / CVPR 等会议或期刊发表过高质量论文。\"",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}