JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "基于大模型的推荐算法研究与应用-阿里星/T-Star",
"job_level": "阿里巴巴2027届应届生",AI生成
"work_category": "freshman",AI生成
"department": "淘天集团",
"location": "北京 / 杭州",
"work_mode": "",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "",
"company_size": "",
"company_website": "",
"company_description": ""
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "",
"cycle": ""
},
"benefits": ""
},
"requirements": {
"working_years": "",
"degree": "",
"language": "",AI生成
"visa_support": "",
"responsibilities": "基于大模型的推荐算法研究与应用-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【我们做什么】掏出手机，打开你的淘宝（先别去搜索），往下滑，就来到了我们的“猜你喜欢”！淘宝有上亿件商品，还有更多的图片、短视频、直播间。推荐算法团队的工作，就是通过机器学习、AI等算法，从中找到专属于你的中意品，让你体验一把“从打开到剁手”！\n对于电商平台，一个好的推荐系统不仅能帮助消费者更精准地发现ta的中意品（甚至在ta自己意识到之前），也能创造出更多增量的购物需求，从而帮助平台上的货品更快地交易流转。往小了说，提升消费者购物体验；往大了说，创造增量GDP实现伟大复兴！时代在召唤，你还在等什么，快来加入我们吧！\n相关研究课题细分方向如下：\n● DREAM 推荐：基于意图引擎和meta-model驱动的agentic 推荐系统\n● DREAM-MetaModel：基于Harness Engineering框架的推荐策略编排Agent\n● Agentic 成长引擎：以货找人 驱动的智能供给增长agent\n● 去ID化推荐：基于纯模态信息驱动的素材分发引擎\n● 启发式推荐：结合用户意图的AI native 产品形态生产和分发探索\n● 智感双驱体验引擎：协同长短期习惯洞察与个性化效果量化的自进化体验 Agent\n● 端智能大模型：多模态大模型驱动的端上意图推理与应用探索\n● 启发式搜推协同：大模型与Agentic驱动的用户知识意图Query生产与个性化分发应用探索\n● 召排一体生成式推荐：基于统一LLM Backbone的指令驱动型召排一体生成式架构\n● Scaling UP：基于大模型架构对齐的推荐精排Scaling Law研究与参数高效扩容探索\n● Scaling UP：LLM驱动的超长用户序列压缩与高效建模技术研究\n● 生成式排序：包含RL训练、多业务卡片生成、多序列生成、序列级价值优化和EG一体化\n● Agentic 意图推荐：基于ReAct架构的相关性&意图迁移Agent研究\n\n职位要求\n1. 计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构。\n2. 掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域。\n3. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先。\n4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展。\n5. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先。\n6. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。\n7. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值。\n8. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。\n【加分项】\n1. 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历。\n2. 有海量数据处理经验或者大厂实习经验。\n3. 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。\n\n在招业务\n淘天集团",
"requirements_text": "",
"skills": [],AI生成
"preferred_qualifications": "",
"job_highlights": ""
},
"contact": {
"recruiter_name": "",
"contact_methods": []
},
"posting": {
"posting_id": "199907820111",
"post_date": "2026-08-10",
"hire_time": "",
"update_date": "",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907820111?deptCodes="
},
"fulltext": "基于大模型的推荐算法研究与应用-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【我们做什么】掏出手机，打开你的淘宝（先别去搜索），往下滑，就来到了我们的“猜你喜欢”！淘宝有上亿件商品，还有更多的图片、短视频、直播间。推荐算法团队的工作，就是通过机器学习、AI等算法，从中找到专属于你的中意品，让你体验一把“从打开到剁手”！\n对于电商平台，一个好的推荐系统不仅能帮助消费者更精准地发现ta的中意品（甚至在ta自己意识到之前），也能创造出更多增量的购物需求，从而帮助平台上的货品更快地交易流转。往小了说，提升消费者购物体验；往大了说，创造增量GDP实现伟大复兴！时代在召唤，你还在等什么，快来加入我们吧！\n相关研究课题细分方向如下：\n● DREAM 推荐：基于意图引擎和meta-model驱动的agentic 推荐系统\n● DREAM-MetaModel：基于Harness Engineering框架的推荐策略编排Agent\n● Agentic 成长引擎：以货找人 驱动的智能供给增长agent\n● 去ID化推荐：基于纯模态信息驱动的素材分发引擎\n● 启发式推荐：结合用户意图的AI native 产品形态生产和分发探索\n● 智感双驱体验引擎：协同长短期习惯洞察与个性化效果量化的自进化体验 Agent\n● 端智能大模型：多模态大模型驱动的端上意图推理与应用探索\n● 启发式搜推协同：大模型与Agentic驱动的用户知识意图Query生产与个性化分发应用探索\n● 召排一体生成式推荐：基于统一LLM Backbone的指令驱动型召排一体生成式架构\n● Scaling UP：基于大模型架构对齐的推荐精排Scaling Law研究与参数高效扩容探索\n● Scaling UP：LLM驱动的超长用户序列压缩与高效建模技术研究\n● 生成式排序：包含RL训练、多业务卡片生成、多序列生成、序列级价值优化和EG一体化\n● Agentic 意图推荐：基于ReAct架构的相关性&意图迁移Agent研究\n\n职位要求\n1. 计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构。\n2. 掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域。\n3. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先。\n4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展。\n5. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先。\n6. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。\n7. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值。\n8. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。\n【加分项】\n1. 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历。\n2. 有海量数据处理经验或者大厂实习经验。\n3. 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。\n\n在招业务\n淘天集团"
}