{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "菜鸟驿站-大模型算法工程师-杭州",
        "job_level": "",AI生成
        "work_category": "社招",AI生成
        "department": "阿里集团",
        "location": "杭州",
        "work_mode": "",AI生成
        "job_category": "技术类-算法"AI生成
    },
    "company": {
        "company_name": "淘宝闪购",
        "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": "菜鸟驿站-大模型算法工程师-杭州\n\n基础信息\n职位类别：技术类-算法\n工作地点：杭州\n\n职位描述\n1. 负责 RAG 系统算法效果提升：知识图谱与文档质量、检索策略与效果、生成质量与幻觉抑制，建立自动化评测体系（RAG-Benchmark），持续提升知识问答准确率\n2. 攻克智能数据查询难题：设计指标识别 Agent，支持多指标解析、口语化表达、业务对象泛化\n3. 构建评估驱动的迭代闭环：设计离线评测方案（准确率/召回率/幻觉率），建立 badcase 自动挖掘与归因机制，用数据驱动每次迭代\n4. 探索并落地前沿 LLM 技术：Multi-Agent 数据生成、APO、skill自进化等\n5. 与工程团队协作完成上线，平衡效果、RT与成本\n\n职位要求\n● 硕士及以上，计算机、人工智能、NLP 等相关专业\n● 3 年及以上 NLP/LLM 算法研发经验（优秀应届博士可放宽）\n● 熟练掌握 Python + PyTorch，能独立完成模型训练、评估、部署\n● 有意图识别 / NER / 信息抽取经验，了解从 BERT 到 LLM 的技术演进\n● 深入理解 Transformer、预训练-微调范式、Prompt Engineering，能分析模型瓶颈并设计改进方案\n● 有 LLM 微调经验（SFT/DPO/LoRA），了解高质量数据构造与增强方法\n● 能独立定义问题、设计实验、推动落地，不依赖他人拆解任务",
        "requirements_text": "",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": []
    },
    "posting": {
        "posting_id": "100018060001",
        "post_date": "2026-10-29",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://talent-post.alibaba.com/off-campus/position-detail?positionId=100018060001"
    },
    "fulltext": "菜鸟驿站-大模型算法工程师-杭州\n\n基础信息\n职位类别：技术类-算法\n工作地点：杭州\n\n职位描述\n1. 负责 RAG 系统算法效果提升：知识图谱与文档质量、检索策略与效果、生成质量与幻觉抑制，建立自动化评测体系（RAG-Benchmark），持续提升知识问答准确率\n2. 攻克智能数据查询难题：设计指标识别 Agent，支持多指标解析、口语化表达、业务对象泛化\n3. 构建评估驱动的迭代闭环：设计离线评测方案（准确率/召回率/幻觉率），建立 badcase 自动挖掘与归因机制，用数据驱动每次迭代\n4. 探索并落地前沿 LLM 技术：Multi-Agent 数据生成、APO、skill自进化等\n5. 与工程团队协作完成上线，平衡效果、RT与成本\n\n职位要求\n● 硕士及以上，计算机、人工智能、NLP 等相关专业\n● 3 年及以上 NLP/LLM 算法研发经验（优秀应届博士可放宽）\n● 熟练掌握 Python + PyTorch，能独立完成模型训练、评估、部署\n● 有意图识别 / NER / 信息抽取经验，了解从 BERT 到 LLM 的技术演进\n● 深入理解 Transformer、预训练-微调范式、Prompt Engineering，能分析模型瓶颈并设计改进方案\n● 有 LLM 微调经验（SFT/DPO/LoRA），了解高质量数据构造与增强方法\n● 能独立定义问题、设计实验、推动落地，不依赖他人拆解任务"
}