{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "基于大模型的广告算法研究与应用-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": "基于大模型的广告算法研究与应用-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相关研究课题细分方向如下：：\n● 基于生成式模型和大模型的出价算法研究与应用\n● 基于大模型和Agent技术的广告投放优化算法研究与应用\n● 多模态大模型、内容理解与广告模型算法的结合相关研究\n● 基于LLM的搜索＆推荐&预估模型研究\n● 融合价值最优的Listwise序列生成算法、拍卖机制研究\n● LLM技术在搜索语义相关性中的研究与应用\n● 基于生成式模型的用户行为建模\n● 面向高算力性价比与高精度的大模型Scale up生成式大模型架构设计\n● 大模型+运筹优化求解百亿级规模流量分配问题\n● 跨场景（站内、外）全域数据建模算法研究与应用\n● 商品托管算法研究与应用\n● 淘系搜推广联合机制设计研究\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": "199907720117",
        "post_date": "2026-08-10",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907720117?deptCodes="
    },
    "fulltext": "基于大模型的广告算法研究与应用-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相关研究课题细分方向如下：：\n● 基于生成式模型和大模型的出价算法研究与应用\n● 基于大模型和Agent技术的广告投放优化算法研究与应用\n● 多模态大模型、内容理解与广告模型算法的结合相关研究\n● 基于LLM的搜索＆推荐&预估模型研究\n● 融合价值最优的Listwise序列生成算法、拍卖机制研究\n● LLM技术在搜索语义相关性中的研究与应用\n● 基于生成式模型的用户行为建模\n● 面向高算力性价比与高精度的大模型Scale up生成式大模型架构设计\n● 大模型+运筹优化求解百亿级规模流量分配问题\n● 跨场景（站内、外）全域数据建模算法研究与应用\n● 商品托管算法研究与应用\n● 淘系搜推广联合机制设计研究\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"
}