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": "阿里国际智能技术-推荐大模型算法工程师-日常实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里国际数字商业集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里国际数字商业集团",
"company_industry": "跨境电商",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里国际数字商业业务涉及国际电商平台及跨境商品交易。"
},
"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": "【团队介绍】\n我们是AIDC推荐算法团队，聚焦大规模推荐系统核心算法研发，面向复杂推荐场景持续探索下一代推荐建模范式。团队重点关注推荐系统从传统多阶段链路向统一端到端建模优化，围绕召回&排序一体化、以及 Scaling Law 在推荐中的落地应用。 在这里，你将接触真实大规模工业推荐场景，参与从模型设计、训练优化到业务落地的完整闭环；同时，我们也鼓励前沿探索，支持在顶会顶刊上进行成果沉淀。\n【职位描述】\n1. 探索推荐系统端到端建模方法，研究如何统一召回、排序，实现跨阶段统一建模、统一目标与统一优化；\n2. 探索推荐模型的 Scaling law，建立可指导模型设计与训练的经验规律；\n3. 结合真实推荐场景，开展大规模离线实验，推动模型在效果、效率和可部署性上的综合提升；\n4. 跟进推荐系统相关论文的最新进展，进行论文复现、技术创新与成果沉淀。",
"requirements_text": "1. 计算机、人工智能、统计、数学等相关专业；\n2. 掌握 PyTorch / TensorFlow 等至少一种框架，具备独立开展实验与分析结果的能力；\n3. 对以下方向之一有研究兴趣或实践经验：端到端建模、序列建模、生成式建模、大模型应用；\n4. 具备较强的研究兴趣与技术自驱力，阅读前沿论文并推进技术落地。\n【加分项】\n1. 有推荐系统、搜索/广告、信息检索相关研究或实习经历；\n2. 有端到端建模、生成式推荐、用户序列建模、大模型应用等相关经验； \n3. 在顶会顶刊发表论文、参与高水平竞赛或有高质量开源项目贡献者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"建模",
"大语言模型"
],
"preferred_qualifications": "【加分项】；3. 在顶会顶刊发表论文、参与高水平竞赛或有高质量开源项目贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908020003?deptCodes="
}
]
},
"posting": {
"posting_id": "199908020003",
"post_date": "2026-07-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908020003?deptCodes="
},
"fulltext": "阿里国际智能技术-推荐大模型算法工程师-日常实习生\n阿里国际智能技术-推荐大模型算法工程师-日常实习生\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2029-10-31\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：北京\n\n职位描述\n【团队介绍】\n我们是AIDC推荐算法团队，聚焦大规模推荐系统核心算法研发，面向复杂推荐场景持续探索下一代推荐建模范式。团队重点关注推荐系统从传统多阶段链路向统一端到端建模优化，围绕召回&排序一体化、以及 Scaling Law 在推荐中的落地应用。 在这里，你将接触真实大规模工业推荐场景，参与从模型设计、训练优化到业务落地的完整闭环；同时，我们也鼓励前沿探索，支持在顶会顶刊上进行成果沉淀。\n【职位描述】\n1. 探索推荐系统端到端建模方法，研究如何统一召回、排序，实现跨阶段统一建模、统一目标与统一优化；\n2. 探索推荐模型的 Scaling law，建立可指导模型设计与训练的经验规律；\n3. 结合真实推荐场景，开展大规模离线实验，推动模型在效果、效率和可部署性上的综合提升；\n4. 跟进推荐系统相关论文的最新进展，进行论文复现、技术创新与成果沉淀。\n\n职位要求\n1. 计算机、人工智能、统计、数学等相关专业；\n2. 掌握 PyTorch / TensorFlow 等至少一种框架，具备独立开展实验与分析结果的能力；\n3. 对以下方向之一有研究兴趣或实践经验：端到端建模、序列建模、生成式建模、大模型应用；\n4. 具备较强的研究兴趣与技术自驱力，阅读前沿论文并推进技术落地。\n【加分项】\n1. 有推荐系统、搜索/广告、信息检索相关研究或实习经历；\n2. 有端到端建模、生成式推荐、用户序列建模、大模型应用等相关经验； \n3. 在顶会顶刊发表论文、参与高水平竞赛或有高质量开源项目贡献者优先。\n\n在招业务\n阿里国际数字商业集团\n【团队介绍】\n我们是AIDC推荐算法团队，聚焦大规模推荐系统核心算法研发，面向复杂推荐场景持续探索下一代推荐建模范式。团队重点关注推荐系统从传统多阶段链路向统一端到端建模优化，围绕召回&排序一体化、以及 Scaling Law 在推荐中的落地应用。 在这里，你将接触真实大规模工业推荐场景，参与从模型设计、训练优化到业务落地的完整闭环；同时，我们也鼓励前沿探索，支持在顶会顶刊上进行成果沉淀。\n【职位描述】\n1. 探索推荐系统端到端建模方法，研究如何统一召回、排序，实现跨阶段统一建模、统一目标与统一优化；\n2. 探索推荐模型的 Scaling law，建立可指导模型设计与训练的经验规律；\n3. 结合真实推荐场景，开展大规模离线实验，推动模型在效果、效率和可部署性上的综合提升；\n4. 跟进推荐系统相关论文的最新进展，进行论文复现、技术创新与成果沉淀。\n1. 计算机、人工智能、统计、数学等相关专业；\n2. 掌握 PyTorch / TensorFlow 等至少一种框架，具备独立开展实验与分析结果的能力；\n3. 对以下方向之一有研究兴趣或实践经验：端到端建模、序列建模、生成式建模、大模型应用；\n4. 具备较强的研究兴趣与技术自驱力，阅读前沿论文并推进技术落地。\n【加分项】\n1. 有推荐系统、搜索/广告、信息检索相关研究或实习经历；\n2. 有端到端建模、生成式推荐、用户序列建模、大模型应用等相关经验； \n3. 在顶会顶刊发表论文、参与高水平竞赛或有高质量开源项目贡献者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}