阿里巴巴
淘天算法技术-营销算法工程师 LLM方向-杭州
淘天算法技术-营销算法工程师 LLM方向-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机器学习工程
机器学习工程
Dpo
Llm
Rlhf
Sft
大语言模型
强化学习
生成式推荐
值不值得投
78综合评分
综合评分 78
淘天核心算法团队，聚焦LLM与Agent前沿技术，学术与业务双轮驱动，薪资优厚但大促期间工作强度较大。
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
4.3万
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 3080 个在招 · 其中机器学习工程 约 180 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
该职位隶属于淘天集团营销算法团队，主要负责将大语言模型与电商营销场景深度融合，推动商品供给到前台推荐的智能化升级
你将参与Agent规划与决策算法研究、大模型后训练与对齐，以及探索生成式推荐新范式，助力618、双十一等核心大促场景的业务落地
最低要求
硕士及以上学历
深入理解大语言模型原理，熟悉主流后训练方法（SFT / RLHF / DPO / GRPO 等）中至少一项，有实际训练或对齐经验优先
有 Agent 系统开发经验（工具调用、多步规划、ReAct/Function Calling 等）者优先
有推荐算法背景者，需具备生成式推荐（如 LLM-based 召回/排序、对话式推荐）相关经验，传统 ID-based 推荐经验不作为加分项
年以上相关领域工作经验（应届博士生可放宽）
良好的团队协作与沟通能力，具备一定的项目推进能力
工作职责
研究大语言模型在电商营销场景的 Agent 规划与决策算法，探索 LLM 在多步推理、工具调用、自我反思与纠错中的核心能力边界
针对大促策划、选品、权益分发等场景，研究 Agent 的任务分解、奖励建模与策略优化方法，推动 Agentic AI 从单轮指令执行到自主目标驱动的范式演进
负责大语言模型的后训练与对齐，包括 SFT、RLHF/RLAIF、DPO 等训练范式在电商场景的应用，通过偏好优化提升模型在推荐、导购、营销内容生成等任务上的效果与可靠性
探索生成式推荐新范式，研究 LLM 在商品召回、个性化排序、交互式导购等场景的训练与推理方法，创造区别于传统 ID-based 推荐的新一代推荐产品形态
优先资格
有实际大语言模型训练或对齐经验
有 Agent 系统开发经验（工具调用、多步规划、ReAct/Function Calling 等）
有推荐算法背景且具备生成式推荐（如 LLM-based 召回/排序、对话式推荐）相关经验
AI 洞察
优缺点分析
优点
- 依托淘天集团庞大的电商数据和核心营销场景，拥有极佳的LLM落地土壤和业务影响力
- 团队学术氛围浓厚，支持在NeurIPS、ACL等顶会发表论文，利于个人技术影响力和学术能力的提升
- 接触大模型与Agent最前沿技术，技术栈先进，个人技术壁垒构建快
- 业务场景复杂，需平衡算法创新与业务实际收益，对技术落地能力要求高
- 适合对大模型和Agent技术有浓厚兴趣，具备扎实算法基础，且希望在电商核心业务中探索LLM前沿应用的硕士及以上学历人才
缺点 / 挑战
- 大模型在电商场景的落地仍面临诸多技术挑战，如幻觉控制、推理成本优化等，需要较强的攻坚能力
角色解读
- 从算法工程师向资深算法专家或算法团队Leader发展，主导核心业务的技术演进
- 在电商智能化和LLM前沿领域积累深厚经验，有机会在国际顶会发表成果，成为行业内的顶尖AI人才
- 研究并开发大语言模型在电商营销场景中的Agent规划与决策算法，推动Agentic AI的落地
- 负责大模型的后训练与对齐（SFT/RLHF/DPO等），提升模型在推荐、导购等任务上的效果
- 探索生成式推荐新范式，研究LLM在商品召回、排序等场景的应用，创造新一代推荐产品形态
- 深入理解大语言模型原理及主流后训练方法（SFT/RLHF/DPO等）
- 具备Agent系统开发经验，熟悉工具调用、多步规划、ReAct等核心技术
- 有推荐算法背景，特别是生成式推荐（LLM-based召回/排序）经验
申请策略
- 提前了解淘天集团近期的核心营销产品（如百亿补贴、聚划算）及大促玩法，准备将LLM技术与这些具体业务场景结合的思考
- 突出在大模型后训练（SFT/RLHF/DPO）或Agent系统开发方面的实际项目经验及业务收益
- 强调在推荐系统或生成式推荐领域的成果，特别是LLM-based的召回/排序经验
- 展示在顶会发表的论文或开源项目贡献，体现学术能力与技术深度
- 深入学习ReAct、Function Calling等Agent核心技术，掌握最新的RLHF/DPO对齐算法
- 了解电商营销场景的业务逻辑，思考LLM如何赋能选品、权益分发等环节
面试指南
- 采用STAR法则回答项目经验，重点突出技术难点、你的思考过程及最终的业务/学术收益
- 对于开放性问题，先阐述核心概念，再结合具体业务场景给出落地方案，最后讨论可能的优化方向
- 请详细介绍你参与过的大模型后训练或对齐项目，遇到了哪些挑战，如何解决的？
- 在Agent系统开发中，你是如何处理多步规划和工具调用的？
- 传统ID-based推荐与生成式推荐的核心区别是什么？你认为LLM在推荐系统中的最大价值在哪里？
- 针对电商大促场景，如何设计一个Agent来自动进行选品和权益分发？
- 复习大模型训练与对齐的核心算法原理，熟悉Agent相关的经典论文（如ReAct, Toolformer等）
- 准备1-2个自己主导的算法项目，能够深入讲解模型结构、训练细节和效果评估指标
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
算法岗薪资具备较强市场竞争力，且大模型方向有额外溢价，整体薪酬福利处于行业前列。
薪资信号偏高 (3.5千–5万/月)
成长发展
90较高
团队鼓励学术输出，每年在顶会发表论文，且组织大量技术分享，技术成长与前沿探索空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、SFT、RLHF、DPO、GRPO、生成式推荐
成长机会快速成长的学习型团队、持续输出学术成果、每年在 NeurIPS、ICML、ACL、WWW、SIGIR 等国际顶会发表多篇论文、每年组织数十场技术分享交流
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，但算法岗及大促业务通常伴随较高的工作强度。
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
推动电商智能化升级，定义下一代范式，具有较高的行业影响力和技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号共同定义电商智能化的下一代范式
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs