阿里巴巴
阿里国际-多模态算法工程师（搜推）-杭州
阿里国际-多模态算法工程师（搜推）-杭州
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
Pytorch
Tensorflow
分布式训练
多模态算法
大模型
强化学习
推荐系统
自然语言处理
计算机视觉
值不值得投
75综合评分
综合评分 75
前沿多模态算法岗位，技术挑战大、成长空间高，但WLB可能一般。
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
2.3万
比推荐系统中位数低
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 2850 个在招 · 其中推荐系统 9 个
市场机会
选择适中
杭州 · 推荐系统 · 17 个在招
职位详情
关于这个职位
作为阿里国际的多模态算法工程师，你将负责推荐系统的算法研发与迭代，结合视觉和文本等跨模态信息优化召回、排序及重排策略
参与多模态特征融合、大模型微调等技术，推动前沿技术从0到1落地以提升推荐效果和用户体验
最低要求
计算机、数学或相关专业本科及以上学历，硕士/博士优先
多模态算法经验：1-3年以上算法开发经验，精通计算机视觉、自然语言处理及跨模态对齐技术，有多模态模型（如CLIP）实战经验者优先
大模型经验：熟悉大模型训练和推理，掌握大模型微调（如SFT、强化学习等）方法，在内容挖掘、识别和生成等方面有一定的实战经验
推荐系统经验：了解推荐系统架构（召回、排序、重排），有结合多模态特征优化推荐效果的落地经验（如特征融合、用户画像建模）
工程能力：熟练使用PyTorch/TensorFlow框架，熟悉分布式训练（DeepSpeed等）等
工作职责
负责推荐系统的算法研发与迭代，结合视觉、文本等跨模态信息优化召回、排序及重排策略，提升推荐效果与用户体验
设计并落地多模态特征融合方案，构建用户画像与内容理解模型，推动多模态技术在内容挖掘、识别与生成场景中的应用
参与大模型在推荐系统和多模态领域中的微调，探索强化学习、指令微调等技术在业务指标提升中的实战路径
跟踪多模态与推荐领域前沿技术，推动复杂项目从0到1落地并达成业务目标
优先资格
具备独立推动复杂项目落地的能力，能主导多模态技术方案设计、跨团队协作及资源协调
结果导向，有从0到1构建多模态推荐系统或显著提升业务指标的成功案例
出色的沟通能力与抗压能力，能在快速变化的业务环境中高效执行
有跨境电商、国际化用户行为分析经验者优先
发表过顶会论文（如SIGIR、NeurIPS、CVPR）或开源项目贡献者优先（尤其多模态推荐方向）
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉及多模态和大模型等热门领域，技能积累价值高
- 业务场景国际化，有机会参与跨境电商和全球化用户行为分析
- 公司平台资源丰富，支持项目从0到1落地和技术探索
- 快速变化的业务环境要求高执行力和抗压能力
- 适合对多模态AI和推荐系统有热情，具备较强算法能力、工程实践经验和学习意愿的工程师
缺点 / 挑战
- 技术难度较高，需要持续学习多模态、大模型等前沿知识
- 项目推动从0到1，可能面临跨团队协作和资源协调的压力
角色解读
- 成为多模态推荐领域的技术专家，深入算法研发和系统架构设计
- 晋升为技术负责人或架构师，带领团队推动复杂项目落地
- 向更前沿的AI研究和应用拓展，如参与跨境电商国际化推荐场景
- 优化推荐系统算法，结合视觉和文本跨模态信息提升召回、排序和重排效果
- 设计并落地多模态特征融合方案，构建用户画像和内容理解模型
- 参与大模型在推荐系统中的微调，探索强化学习等技术实战应用
- 跟踪前沿技术，推动多模态推荐项目从0到1落地并达成业务目标
- 精通计算机视觉和自然语言处理技术，熟悉跨模态对齐方法
- 掌握大模型训练、推理和微调（如SFT、强化学习）的实战经验
- 了解推荐系统架构（召回、排序、重排），具备多模态特征优化能力
- 熟练使用PyTorch/TensorFlow框架，熟悉分布式训练工具如DeepSpeed
申请策略
- 研究阿里国际的业务方向，特别是推荐系统在国际化场景的应用
- 准备展示从0到1构建项目或显著提升业务指标的具体案例
- 突出多模态模型实战经验，如CLIP应用或跨模态对齐项目
- 展示大模型微调和推荐系统优化案例，强调业务指标提升成果
- 强调工程能力，包括PyTorch/TensorFlow使用和分布式训练经验
- 如有顶会论文或开源贡献，特别是多模态推荐方向，需重点体现
- 深入学习多模态对齐技术和推荐系统最新算法
- 掌握分布式训练工具（如DeepSpeed）和工程部署实践
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验
- 结合具体技术细节（如模型选择、特征工程）和业务目标进行回答
- 展示对前沿技术的理解，并关联实际应用场景和挑战
- 如何结合多模态信息优化推荐系统的召回或排序策略？
- 请描述一个你参与的大模型微调项目，遇到的挑战和解决方案
- 如何处理推荐系统中的冷启动问题？多模态技术如何帮助？
- 你对多模态推荐领域的发展趋势有何看法？
- 如何平衡算法效果和工程实现的复杂度？
职位点评
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
职位薪资在杭州市场具有竞争力，公司平台大可能提供较好的福利待遇。
薪资信号市场水准 (1.5千–3万/月)
成长发展
90较高
涉及多模态、大模型等前沿技术，有项目从0到1的机会，有利于技能快速提升和职业成长。
技术前沿前沿/新兴技术
技术栈多模态算法、推荐系统、大模型、PyTorch、分布式训练
业务类型profit_center
工作生活
50较低
JD未明确工作模式和WLB信号，工作强度可能较高，通勤和办公灵活性未知。
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
70中等
通过推荐系统提升用户体验和业务指标，有直接业务价值，但未强调社会影响力或使命导向。
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