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": "算法工程师-生成式推荐",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、AI for Rec: 研究如何利用模态对齐、用户行为CoT等技术手段, 基于LLM的推理能力和世界知识提升对用户个性化偏好的刻画，赋能电商场景下的模型预估，实现更精准的人货匹配；\n2、生成式推荐: 包括推荐领域下生成式模型相较于判别式模型的优劣对比，生成式训练范式设计、生成式模型结构优化、基于RL的排序目标对齐等方向，设计有scale-up能力的模型方案；\n3、ai-infra下的模型落地: 负责大模型infra下的预估模型落地，包括更加算力友好的算法方案设计、训练加速、线上部署、链路优化、计算复杂度优化等，推动先进技术成果的规模化落地。",
"requirements_text": "1、具备复杂问题解决能力, 拥有优秀编码能力，扎实的数据结构和算法功底;\n2、熟悉大规模机器学习/深度学习算法；\n3、具有如搜索/推荐/广告等相关领域经验，时刻关注业内前沿技术；\n4、对技术有热情，兼具务实且创新的精神，热衷于在实际工作中发现问题、验证问题、不断提出自己的想法和技术方案；\n5、有良好的沟通表达能力, 具有团队精神, 有良好的团队协同能力；\n6、在顶会（SIGIR、SIGKDD、ICML、NIPS、WWW、AAAI、CIKM、ACL、RECSYS等）或期刊上发表过论文者优先。",
"skills": [AI生成
"机器学习",
"深度学习",
"数据结构",
"沟通表达"
],
"preferred_qualifications": "6、在顶会（SIGIR、SIGKDD、ICML、NIPS、WWW、AAAI、CIKM、ACL、RECSYS等）或期刊上发表过论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907780024?deptCodes="
}
]
},
"posting": {
"posting_id": "199907780024",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907780024?deptCodes="
},
"fulltext": "算法工程师-生成式推荐\n算法工程师-生成式推荐\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\n1、AI for Rec: 研究如何利用模态对齐、用户行为CoT等技术手段, 基于LLM的推理能力和世界知识提升对用户个性化偏好的刻画，赋能电商场景下的模型预估，实现更精准的人货匹配；\n2、生成式推荐: 包括推荐领域下生成式模型相较于判别式模型的优劣对比，生成式训练范式设计、生成式模型结构优化、基于RL的排序目标对齐等方向，设计有scale-up能力的模型方案；\n3、ai-infra下的模型落地: 负责大模型infra下的预估模型落地，包括更加算力友好的算法方案设计、训练加速、线上部署、链路优化、计算复杂度优化等，推动先进技术成果的规模化落地。\n\n职位要求\n1、具备复杂问题解决能力, 拥有优秀编码能力，扎实的数据结构和算法功底;\n2、熟悉大规模机器学习/深度学习算法；\n3、具有如搜索/推荐/广告等相关领域经验，时刻关注业内前沿技术；\n4、对技术有热情，兼具务实且创新的精神，热衷于在实际工作中发现问题、验证问题、不断提出自己的想法和技术方案；\n5、有良好的沟通表达能力, 具有团队精神, 有良好的团队协同能力；\n6、在顶会（SIGIR、SIGKDD、ICML、NIPS、WWW、AAAI、CIKM、ACL、RECSYS等）或期刊上发表过论文者优先。\n\n在招业务\n淘天集团\n1、AI for Rec: 研究如何利用模态对齐、用户行为CoT等技术手段, 基于LLM的推理能力和世界知识提升对用户个性化偏好的刻画，赋能电商场景下的模型预估，实现更精准的人货匹配；\n2、生成式推荐: 包括推荐领域下生成式模型相较于判别式模型的优劣对比，生成式训练范式设计、生成式模型结构优化、基于RL的排序目标对齐等方向，设计有scale-up能力的模型方案；\n3、ai-infra下的模型落地: 负责大模型infra下的预估模型落地，包括更加算力友好的算法方案设计、训练加速、线上部署、链路优化、计算复杂度优化等，推动先进技术成果的规模化落地。\n1、具备复杂问题解决能力, 拥有优秀编码能力，扎实的数据结构和算法功底;\n2、熟悉大规模机器学习/深度学习算法；\n3、具有如搜索/推荐/广告等相关领域经验，时刻关注业内前沿技术；\n4、对技术有热情，兼具务实且创新的精神，热衷于在实际工作中发现问题、验证问题、不断提出自己的想法和技术方案；\n5、有良好的沟通表达能力, 具有团队精神, 有良好的团队协同能力；\n6、在顶会（SIGIR、SIGKDD、ICML、NIPS、WWW、AAAI、CIKM、ACL、RECSYS等）或期刊上发表过论文者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}