职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:199907800002

算法工程师-AI搜索/推荐/广告(T-Star Lab )

未披露 · 北京 / 杭州 · 淘天集团

主分类:搜索推荐与业务决策算法研发
算法与数据
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-AI搜索/推荐/广告(T-Star Lab )",
        "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": "T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目,继承“阿里星〞的使命与愿景,面向全球招募顶尖技术人才。首次开设实习生专项招聘,面向2026年10月后毕业的校优秀技术同学。期待你们在淘天,通过极具挑战的前沿课题与亿级规模的海量数据、应用场景,探索和实践最前沿的Al技术,在有价值的业务场景落地技术成果。\n1、参与并负责核心业务场景的各类算法,包括个性化推荐系统等核心算法能力;\n2、深度参与商品、内容分发算法设计,提升流量匹配的效率和用户粘性;\n3、建设包括AGENT、RAG召回、粗排、精排、重排、混排等推荐算法,打造集团和业界一流的算法;\n4、探索大语言模型(LLM)、多模态大模型、Agent及RAG技术在搜推领域的应用,利用SFT微调、强化学习(RLHF/DPO)、提示词工程等手段,提升对用户意图的深度理解及内容承接能力。",
        "requirements_text": "1、熟悉tensorflow或者pytorch至少一种机器学习常用框架;\n2、逻辑思维清晰,学习能力强,对新事物保有好奇心,并能快速适应新环境;良好的沟通能力和团队协同能力;能与他人合作,共同完成目标;遇事沉稳,不急不躁,心理素质过硬,有担当、有韧性,表达能力强。\n【加分项】\n1、有相关推荐系统、机器学习、NLP、计算机视觉、数据挖掘等相关领域研究及实践经验优先;\n2、有相关顶级会议论文发表者优先;\n3、有相关竞赛经验并获奖者优先。",
        "skills": [AI生成
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "自然语言处理",
            "计算机视觉",
            "数据挖掘",
            "沟通能力",
            "逻辑思维",
            "学习能力"
        ],
        "preferred_qualifications": "【加分项】;1、有相关推荐系统、机器学习、NLP、计算机视觉、数据挖掘等相关领域研究及实践经验优先;2、有相关顶级会议论文发表者优先;3、有相关竞赛经验并获奖者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907800002?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907800002",
        "post_date": "2026-08-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907800002?deptCodes="
    },
    "fulltext": "算法工程师-AI搜索/推荐/广告(T-Star Lab )\n算法工程师-AI搜索/推荐/广告(T-Star Lab )\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\nT-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目,继承“阿里星〞的使命与愿景,面向全球招募顶尖技术人才。首次开设实习生专项招聘,面向2026年10月后毕业的校优秀技术同学。期待你们在淘天,通过极具挑战的前沿课题与亿级规模的海量数据、应用场景,探索和实践最前沿的Al技术,在有价值的业务场景落地技术成果。\n1、参与并负责核心业务场景的各类算法,包括个性化推荐系统等核心算法能力;\n2、深度参与商品、内容分发算法设计,提升流量匹配的效率和用户粘性;\n3、建设包括AGENT、RAG召回、粗排、精排、重排、混排等推荐算法,打造集团和业界一流的算法;\n4、探索大语言模型(LLM)、多模态大模型、Agent及RAG技术在搜推领域的应用,利用SFT微调、强化学习(RLHF/DPO)、提示词工程等手段,提升对用户意图的深度理解及内容承接能力。\n\n职位要求\n1、熟悉tensorflow或者pytorch至少一种机器学习常用框架;\n2、逻辑思维清晰,学习能力强,对新事物保有好奇心,并能快速适应新环境;良好的沟通能力和团队协同能力;能与他人合作,共同完成目标;遇事沉稳,不急不躁,心理素质过硬,有担当、有韧性,表达能力强。\n【加分项】\n1、有相关推荐系统、机器学习、NLP、计算机视觉、数据挖掘等相关领域研究及实践经验优先;\n2、有相关顶级会议论文发表者优先;\n3、有相关竞赛经验并获奖者优先。\n\n在招业务\n淘天集团\nT-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目,继承“阿里星〞的使命与愿景,面向全球招募顶尖技术人才。首次开设实习生专项招聘,面向2026年10月后毕业的校优秀技术同学。期待你们在淘天,通过极具挑战的前沿课题与亿级规模的海量数据、应用场景,探索和实践最前沿的Al技术,在有价值的业务场景落地技术成果。\n1、参与并负责核心业务场景的各类算法,包括个性化推荐系统等核心算法能力;\n2、深度参与商品、内容分发算法设计,提升流量匹配的效率和用户粘性;\n3、建设包括AGENT、RAG召回、粗排、精排、重排、混排等推荐算法,打造集团和业界一流的算法;\n4、探索大语言模型(LLM)、多模态大模型、Agent及RAG技术在搜推领域的应用,利用SFT微调、强化学习(RLHF/DPO)、提示词工程等手段,提升对用户意图的深度理解及内容承接能力。\n1、熟悉tensorflow或者pytorch至少一种机器学习常用框架;\n2、逻辑思维清晰,学习能力强,对新事物保有好奇心,并能快速适应新环境;良好的沟通能力和团队协同能力;能与他人合作,共同完成目标;遇事沉稳,不急不躁,心理素质过硬,有担当、有韧性,表达能力强。\n【加分项】\n1、有相关推荐系统、机器学习、NLP、计算机视觉、数据挖掘等相关领域研究及实践经验优先;\n2、有相关顶级会议论文发表者优先;\n3、有相关竞赛经验并获奖者优先。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}