阿里巴巴
淘天算法技术-AI Agent算法工程师（知识库方向）-杭州
淘天算法技术-AI Agent算法工程师（知识库方向）-杭州
发布于 2 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
Dpo
Llm
Pytorch
Rlhf
Sft
多模态大模型
强化学习
知识图谱
值不值得投
79综合评分
综合评分 79
头部互联网平台核心算法岗、前沿AI技术栈、高薪高成长，但工作强度较大、WLB一般。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
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 3790 个在招 · 其中机器学习工程 约 210 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 300 个在招
职位详情
关于这个职位
负责淘天集团商品Wiki知识库的算法研发，运用大语言模型、多模态模型及Agent技术构建并优化Judge引擎，实现商品内容的精准理解与质量管控
通过SFT、强化学习等后训练方法提升模型判别与决策能力，推动前沿AI技术在电商核心业务场景中的规模化应用
最低要求
计算机、人工智能、模式识别等相关专业硕士及以上学历，3年以上相关工作经验
具备以下一个或多个领域的深厚积累：
）大模型（LLM）： 熟悉主流大语言模型的原理，在Agent、偏好学习&强化学习、Agenitc RL、DeepResearch、Self-Evolving等方向有深入的实践经验
）多模态大模型（VLM）： 熟悉主流多模态大模型的原理和应用，有丰富的图文匹配、跨模态生成、VQA、视觉内容理解等项目经验
）商品理解/知识图谱： 在电商领域，有深厚的商品属性体系构建、内容理解、知识图谱建设等相关经验，对电商商品数据有深刻洞察
具备扎实的编程与工程能力，具备优秀的算法实现能力和代码功底，精通Python/C++/SQL等编程语言，熟练掌握PyTorch等至少一种深度学习框架
具备优秀的分析与解决问题能力，能够将复杂的业务问题抽象为清晰的算法问题，并给出创新性解决方案
拥有强烈的技术Owner意识和自驱力，能够独立负责一个或多个技术方向的规划与落地
工作职责
参与商品 Wiki 知识库项目的研发与落地，综合运用 LLM、MLLM、Agent 等技术手段，系统性设计并持续迭代 Judge 引擎，驱动商品 Wiki 内容质量的规模化提升
负责商品 Wiki 全链路质量管控，涵盖质量评估体系建设、错误样本挖掘与改写、人机协同审核流程设计等，通过精细化质量分层与闭环反馈机制，推动内容问题的系统性发现与治理
运用 SFT、偏好学习（DPO/RLHF）、强化学习（RL）等后训练方法，持续提升 Judge 基础模型的判别能力
同时基于 Agentic RL 框架，增强 Judge Agent 在自主任务规划、多步推理及交叉验证等复杂场景下的决策能力
深度跟踪 LLM / Agent 领域前沿学术与工程进展，结合业务场景开展技术可行性验证，推动前沿方法在实际生产环境中的高效落地与规模化应用
优先资格
在CVPR, ICCV, NeurIPS, ICML, ACL, EMNLP等顶级AI会议上有论文发表者
有电商搜索/推荐/广告相关领域算法经验者
有知名开源项目贡献或在Kaggle等数据竞赛中取得优异成绩者
AI 洞察
优缺点分析
优点
- 接触海量电商多模态数据，技术栈处于AI前沿（LLM/Agent/RL）
- 直接赋能核心业务，成果影响亿万用户，技术落地价值高
- 平台资源丰富，成长空间广阔
- 算法迭代速度快，需持续跟进顶会论文与最新技术动态
- 高强度竞争环境下需保持极强的自驱力与技术Owner意识
缺点 / 挑战
- 业务场景复杂，需将前沿理论转化为稳定高效的线上系统，工程化压力大
- 适合具备扎实AI理论基础与丰富工程经验的技术极客，渴望在头部互联网平台挑战前沿大模型应用落地的求职者
角色解读
- 可向AI大模型架构师或首席算法专家方向发展，深耕电商多模态理解与Agent自动化决策领域
- 随着技术落地，有机会晋升为技术负责人，主导核心业务线的算法战略规划
- 负责淘天商品Wiki知识库的算法研发，利用LLM和Agent技术构建Judge引擎
- 设计全链路质量管控体系，通过SFT和强化学习优化模型判别与决策能力
- 跟踪前沿技术并推动其在电商业务中的规模化落地
- 精通大语言模型原理及Agent架构，掌握SFT、DPO/RLHF等后训练方法
- 具备扎实的多模态理解或知识图谱构建经验
- 熟练使用Python/C++及PyTorch框架，拥有优秀的工程实现与代码能力
申请策略
- 提前了解淘天集团商品理解中台的业务逻辑与痛点
- 准备针对Judge引擎设计与质量管控的具体技术方案案例，展现技术前瞻性
- 突出LLM/Agent相关项目经验，详细阐述SFT、RLHF等后训练方法的实战细节
- 展示在知识图谱构建或多模态理解方面的具体成果与量化指标
- 强调代码功底与解决复杂算法问题的能力
- 深入研读Agentic RL、DeepResearch等最新论文，动手复现相关开源项目
- 加强多模态大模型微调与部署的工程实践，熟悉大规模分布式训练框架
面试指南
- 采用STAR法则清晰描述项目背景、目标、行动与结果
- 重点突出技术选型依据、创新点设计以及最终的业务收益或性能提升数据
- 对于系统设计类问题，先拆解核心模块，再逐一说明技术实现与权衡考量
- 请详细介绍你过往在大模型Agent或强化学习方向的项目经验及技术难点
- 如何设计商品Wiki知识库的质量评估体系与闭环反馈机制？
- 面对海量多模态数据，如何进行高效的模型训练与推理优化？
- 复习大模型核心原理及最新SOTA技术，准备1-2个深度参与的AI项目案例
- 熟悉电商业务基本逻辑，思考AI技术如何赋能商品理解与搜索推荐
职位点评
薪资福利85
成长发展90
工作生活55
使命价值75
薪资福利
85较高
头部互联网平台核心算法岗提供极具竞争力的薪酬结构与完善的福利体系，对补偿性动机满足度较高。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
90较高
岗位聚焦LLM与Agent前沿技术，提供海量高质量数据与核心业务场景，技术成长与视野拓展空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、MLLM、SFT、DPO、RLHF、Agentic RL、PyTorch
业务类型profit_center
工作生活
55较低
JD未明确提及工作节奏与加班政策，但要求强烈的技术Owner意识与自驱力，实际工作强度可能较高，生活化动机满足程度存在一定不确定性。
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
致力于用AI重塑商品理解体验，直接连接人与货，社会影响力与行业前景较好，意义感动机满足度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
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