阿里巴巴
1688-数据算法-杭州
1688-数据算法-杭州
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai Agent
Nlp
Pytorch
Tensorflow
多模态
大模型
数据挖掘
机器学习
深度学习
值不值得投
78综合评分
综合评分 78
阿里核心业务大模型算法岗，技术前沿且成长空间大，薪资竞争力强，但工作节奏待确认。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2960 个在招 · 其中机器学习工程 约 170 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 260 个在招
职位详情
关于这个职位
该职位负责运用机器学习和大模型技术构建用户画像与商机洞察引擎，驱动1688业务增长
你需要参与大语言模型的后训练及Agent应用落地，将前沿AI技术转化为实际的业务决策能力
最低要求
计算机、数学或统计学相关专业硕士及以上学历，在大模型/多模态/NLP/数据挖掘等任一领域有3年以上工作或研究经验
熟练使用pytorch/tensorflow等至少一种主流深度学习框架，在自然语言理解、深度学习等领域有较深入的研究和建模优化经验
熟练掌握业界主流大语言模型的算法原理、后训练策略、AI Agent开发和优化方法
优秀的数据敏感性和业务理解能力，能够从复杂业务数据中发掘有效洞见
自驱力强，具备结果导向意识，有良好的协同能力，沟通合作能力，富有想象力和创造力
工作职责
深入理解业务场景与增长瓶颈，基于机器学习、深度学习、图神经网及多模态AI算法，完成特征工程、模型构建、指标体系设计与线上效果评估
负责AI用户画像建设，持续优化用户标签体系、兴趣建模、行为预测与高价值用户识别
打造趋势商机Agent，基于用户行为序列、市场环境变化与行业动态数据，构建基于大模型的多维商机趋势理解能力，构建商机数据服务能力矩阵
参与大语言模型的后训练流程设计与实现，包括SFT、DPO、GRPO、GSPO等方法，负责大模型在Agent应用链路中的落地实践，包括任务规划、工具调用、长期记忆与对话状态管理等方向的研发
持续跟进大模型前沿技术、开源方案及其在数据挖掘领域的应用
AI 洞察
优缺点分析
优点
- 依托庞大的电商生态，拥有海量真实业务数据与丰富的应用场景，利于模型落地与效果验证
- 深度接触大模型后训练、Agent开发等前沿AI技术，技术壁垒高，个人技术影响力提升快
- 业务导向明确，能够将技术创新直接转化为业务增长，成就感与业务价值显著
- 业务场景复杂且对模型ROI要求极高，需要在模型精度、推理成本与上线周期之间寻找最优解
- 大模型技术迭代极快，需要持续跟进前沿论文与开源方案，保持极高的技术敏锐度与学习强度
- 适合具备扎实深度学习基础、对大模型和Agent有深入研究，且渴望在电商核心业务中实现技术落地的算法人才
缺点 / 挑战
- 跨部门协同与业务沟通成本较高，需要较强的沟通合作能力来推动技术方案在业务侧的落地
角色解读
- 从算法工程师向资深算法专家或AI技术架构师发展，深耕大模型与Agent前沿技术
- 转向AI业务负责人或技术管理岗，主导大模型在电商核心场景的商业化落地与团队管理
- 运用机器学习和大模型技术构建高精度的AI用户画像与商机洞察引擎，挖掘业务增长机会
- 参与大语言模型的后训练流程设计（如SFT、DPO等），并负责大模型在Agent应用链路中的落地研发
- 打造趋势商机Agent，结合用户行为与行业动态数据，构建多维商机趋势理解能力与数据服务矩阵
- 熟练掌握PyTorch或TensorFlow等主流深度学习框架，具备扎实的NLP、多模态或数据挖掘建模经验
- 精通大语言模型算法原理、后训练策略以及AI Agent的开发与优化方法
- 具备优秀的数据敏感性与业务理解能力，能够将复杂业务数据转化为有效的模型洞见与策略
申请策略
- 提前了解1688平台的业务特性及当前在AI赋能商家方面的探索，准备针对性的技术落地思考
- 准备大模型在垂直领域落地的踩坑经验与解决方案，展现解决实际工程问题的能力
- 突出大模型后训练（如SFT/DPO/GRPO）及Agent开发的具体项目经验，说明技术选型与优化细节
- 展示在NLP、多模态或数据挖掘领域的实际业务收益，用具体指标（如准确率提升、转化率增长）量化成果
- 强调复杂特征工程、图神经网络应用及模型线上效果评估的完整闭环经验
- 深入学习大模型微调技术及主流Agent框架（如LangChain、AutoGen），掌握任务规划与工具调用机制
- 提升对B2B电商业务逻辑、商家与买家行为数据的理解，培养从业务痛点反推技术方案的能力
面试指南
- STAR法则：清晰描述项目背景、技术选型、难点攻克（如数据质量、训练策略）及最终业务收益
- 技术深度拆解：针对大模型问题，从数据构建、训练策略、评估指标、工程部署四个维度系统展开
- 业务映射法：针对场景设计题，先拆解业务痛点与核心指标，再映射到具体的技术方案与模型设计
- 请详细介绍你参与的大模型后训练（如SFT/DPO）流程，以及你是如何进行效果评估和优化的？
- 在构建AI Agent时，如何解决任务规划与工具调用的稳定性问题？遇到幻觉或死循环如何处理？
- 结合1688的B2B业务场景，你会如何设计商机趋势理解模型？特征工程和模型选型会怎么做？
- 请分享一个你主导的、从数据挖掘到最终业务策略落地的完整案例，遇到了哪些瓶颈？
- 复习大模型核心论文及主流开源方案（如Llama、Qwen），熟悉SFT、DPO、PPO等算法的数学原理与工程实现
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
3年以上大模型算法经验要求，杭州同类岗位市场价偏高，整体薪酬竞争力强。
薪资信号偏高 (3.5千–6.5万/月)
成长发展
90较高
岗位涉及大模型后训练、Agent开发等前沿技术，且依托丰富电商场景，技术成长与业务落地空间极大。
技术前沿前沿/新兴技术
技术栈机器学习、大模型、知识图谱、深度学习、PyTorch、TensorFlow、NLP、AI Agent、多模态、SFT、DPO
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与作息安排，无法判断具体WLB情况，需面试时进一步确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
推动大模型与Agent技术在电商核心场景的落地，赋能商家与用户，具有较高的商业价值与技术探索意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs