阿里巴巴
千问事业部-推荐算法高级专家（UC信息流）-北京
千问事业部-推荐算法高级专家（UC信息流）-北京
发布于 大约 10 小时前中层管理(经理/总监)
全职员工仅现场办公算法优化工程师
算法优化工程师
Dnn
Hstu
Llm
团队管理
图神经网络
多任务学习
序列建模
推荐系统
深度学习
值不值得投
75综合评分
综合评分 75
大厂高级算法专家，前沿技术，薪资高，但工作强度大。
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
75K
比算法优化工程师中位数高
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 1950 个在招 · 其中算法优化工程师 71 个
市场机会
选择面较广
北京 · 算法优化工程师 · 96 个在招
职位详情
关于这个职位
作为阿里巴巴千问事业部推荐算法高级专家，你将负责UC信息流核心推荐算法的研发与优化，包括召回、排序、用户画像及生成式推荐创新，直接对信息流的DAU、留存、时长等核心指标负责
你将带领约10人的算法团队，制定技术路线图，并深入探索生成式召回、HSTU精排、LLM画像等前沿方向，推动推荐系统的技术迭代与用户体验提升
最低要求
计算机、人工智能、数学、统计学等相关专业本科及以上，硕士/博士优先
年以上推荐系统/搜索/广告算法相关经验，2年以上团队管理经验
精通推荐系统全链路，包括召回（U2I/I2I/向量检索）、排序（精排/重排）、特征工程
深入理解生成式推荐、序列模型、大模型在推荐中的应用，有HSTU/SASRec/LLM4Rec等方向实践经验者优先
优秀的团队管理与人才培养能力，能在10人左右算法团队中建立高效协作机制
工作职责
负责UC信息流核心推荐算法，包括召回、排序、用户画像、推荐策略及生成式推荐创新
对信息流DAU、留存、时长、分发效率等核心指标负责
制定并落地UC信息流推荐技术路线图，深入迭代生成式召回、HSTU精排、LLM画像、跨场景建模等方向
应用机器学习/深度学习技术（如DNN、Graph Neural Networks、多任务学习、序列建模、生成式推荐等）改善用户体验
AI 洞察
优缺点分析
优点
- 工作强度大，技术迭代快，需要持续学习，对团队管理和技术深度要求高
缺点 / 挑战
- 阿里巴巴大平台，技术资源丰富，业务规模大，数据量大，技术挑战高，成长空间大
- 适合有多年推荐算法经验，具备团队管理能力，追求技术挑战和职业发展的资深算法工程师
角色解读
- 从技术专家向技术管理或架构师方向发展，可晋升为算法总监或技术负责人，或转向更广泛的AI应用领域
- 负责UC信息流推荐系统的核心算法研发，包括召回、排序、用户画像等模块，并推动生成式推荐等创新方向
- 精通推荐系统全链路，熟悉DNN、图神经网络、多任务学习、序列建模等深度学习技术，具备团队管理经验
申请策略
- 了解UC信息流业务特点，准备相关技术方案，展示对推荐系统核心指标的深刻理解
- 突出推荐系统全链路项目经验，特别是生成式推荐、HSTU、LLM等前沿方向，以及团队管理成果
- 补充大模型在推荐中的应用知识，如LLM4Rec、HSTU等，以及跨场景建模经验
面试指南
- 结合项目经验，从技术原理、业务场景、团队协作等角度回答，强调实际效果和可落地性
- 如何设计一个生成式推荐系统？如何提升推荐系统的多样性？如何管理一个10人算法团队？
- 准备推荐系统相关项目案例，熟悉大模型在推荐中的应用，了解团队管理方法论
职位点评
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利
85较高
阿里巴巴作为大厂，薪资水平高，福利完善，但具体薪资面议。
薪资信号面议 (60K-90K/月)
成长发展
90较高
职位涉及前沿技术，如生成式推荐、HSTU、LLM等，技术成长空间大，且明确要求团队管理，发展路径清晰。
技术前沿前沿/新兴技术
技术栈HSTU、LLM、生成式推荐、SASRec、DNN、Graph Neural Networks
成长机会团队管理、人才培养
业务类型profit_center
工作生活
40较低
大厂工作强度大，但未明确提及加班情况，办公地点在市区。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
阿里巴巴作为互联网巨头，业务影响力大，但职位本身更侧重技术实现，社会价值中性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs