主分类：Agent系统开发
辅助：大模型与生成式算法研发（仅展示）
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": "研究型实习生-智能算法产品事业部-推荐Agent算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "北京",
"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、软件工程、人工智能等相关专业在读硕士或博士生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 参与面向电商推荐场景的Agent Memory 研究，探索用户认知记忆的形式化定义、分层架构及生命周期治理机制。\n2. 研究高质量的推荐Agent Memory构建方法，从用户全天行为/意图序列中抽象出结构化、用户特异、下游贴合的认知记忆，进一步，探索有效的隐式记忆压缩算法。\n3. 研究基于用户线上反馈的 Memory Self-Improvement 机制，包括反馈驱动的记忆修正、跨用户知识迁移、冷启动及记忆冲突消解。\n4. 参与推荐Agent Memory相关的大模型训练与应用落地，涵盖预训练、SFT、RL、Agent 等技术方向，并完成离线评测和线上 A/B 实验。\n5. 围绕研究成果撰写技术报告或学术论文，与团队共同推进顶会投稿、开源框架和 Benchmark 建设。",
"requirements_text": "1. 计算机科学、软件工程、人工智能等相关专业在读硕士或博士生，具备硬核的理论基础；\n2. 对推荐系统、LLM、Agent、强化学习等相关技术具有浓厚兴趣，具备天然的自驱力；\n3. 具备扎实的编程功底和的丰富的工程动手经验；\n4. 有以下经历者优先：1）参与过 LLM 预训练、SFT、RL、推理优化等实践过程并对原理有深入理解；2）有LLM推荐、Agent Memory等相关研究或实习经验；3）在 NeurIPS/ICLR/KDD/SIGIR/ACL 等国际顶级会议或期刊上发表过论文，或有高质量开源项目/竞赛成果。",
"skills": [AI生成
"强化学习",
"大语言模型"
],
"preferred_qualifications": "4. 有以下经历者优先：1）参与过 LLM 预训练、SFT、RL、推理优化等实践过程并对原理有深入理解",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199909300002?deptCodes="
}
]
},
"posting": {
"posting_id": "199909300002",
"post_date": "2026-09-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199909300002?deptCodes="
},
"fulltext": "研究型实习生-智能算法产品事业部-推荐Agent算法工程师\n研究型实习生-智能算法产品事业部-推荐Agent算法工程师\n\n基础信息\n毕业起止时间要求：2027-05-31 - 2031-06-30\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：北京\n\n职位描述\n1. 参与面向电商推荐场景的Agent Memory 研究，探索用户认知记忆的形式化定义、分层架构及生命周期治理机制。\n2. 研究高质量的推荐Agent Memory构建方法，从用户全天行为/意图序列中抽象出结构化、用户特异、下游贴合的认知记忆，进一步，探索有效的隐式记忆压缩算法。\n3. 研究基于用户线上反馈的 Memory Self-Improvement 机制，包括反馈驱动的记忆修正、跨用户知识迁移、冷启动及记忆冲突消解。\n4. 参与推荐Agent Memory相关的大模型训练与应用落地，涵盖预训练、SFT、RL、Agent 等技术方向，并完成离线评测和线上 A/B 实验。\n5. 围绕研究成果撰写技术报告或学术论文，与团队共同推进顶会投稿、开源框架和 Benchmark 建设。\n\n职位要求\n1. 计算机科学、软件工程、人工智能等相关专业在读硕士或博士生，具备硬核的理论基础；\n2. 对推荐系统、LLM、Agent、强化学习等相关技术具有浓厚兴趣，具备天然的自驱力；\n3. 具备扎实的编程功底和的丰富的工程动手经验；\n4. 有以下经历者优先：1）参与过 LLM 预训练、SFT、RL、推理优化等实践过程并对原理有深入理解；2）有LLM推荐、Agent Memory等相关研究或实习经验；3）在 NeurIPS/ICLR/KDD/SIGIR/ACL 等国际顶级会议或期刊上发表过论文，或有高质量开源项目/竞赛成果。\n\n在招业务\n淘天集团\n1. 参与面向电商推荐场景的Agent Memory 研究，探索用户认知记忆的形式化定义、分层架构及生命周期治理机制。\n2. 研究高质量的推荐Agent Memory构建方法，从用户全天行为/意图序列中抽象出结构化、用户特异、下游贴合的认知记忆，进一步，探索有效的隐式记忆压缩算法。\n3. 研究基于用户线上反馈的 Memory Self-Improvement 机制，包括反馈驱动的记忆修正、跨用户知识迁移、冷启动及记忆冲突消解。\n4. 参与推荐Agent Memory相关的大模型训练与应用落地，涵盖预训练、SFT、RL、Agent 等技术方向，并完成离线评测和线上 A/B 实验。\n5. 围绕研究成果撰写技术报告或学术论文，与团队共同推进顶会投稿、开源框架和 Benchmark 建设。\n1. 计算机科学、软件工程、人工智能等相关专业在读硕士或博士生，具备硬核的理论基础；\n2. 对推荐系统、LLM、Agent、强化学习等相关技术具有浓厚兴趣，具备天然的自驱力；\n3. 具备扎实的编程功底和的丰富的工程动手经验；\n4. 有以下经历者优先：1）参与过 LLM 预训练、SFT、RL、推理优化等实践过程并对原理有深入理解；2）有LLM推荐、Agent Memory等相关研究或实习经验；3）在 NeurIPS/ICLR/KDD/SIGIR/ACL 等国际顶级会议或期刊上发表过论文，或有高质量开源项目/竞赛成果。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}