阿里巴巴
业务技术-大模型算法工程师-生成式AI
业务技术-大模型算法工程师-生成式AI
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
Pytorch
Rag
Rlhf
Sft
多模态大模型
值不值得投
78综合评分
综合评分 78
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，但工作节奏可能较快。
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
4万
与机器学习工程中位数基本持平
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
该职位主要负责构建面向家装与家居消费场景的生成式AI智能设计系统，结合大模型与多模态技术生成全屋设计方案
你需要设计空间布局与搭配生成算法，并实现Agent决策架构，推动大模型在空间设计、商品理解等真实业务场景中的落地
最低要求
计算机科学、人工智能、机器学习、计算机视觉、自然语言处理或相关专业硕士及以上学历
两年及以上工作经验
熟练掌握 Python 与 PyTorch，具备扎实的深度学习基础和良好的算法工程能力
熟悉主流生成式模型与深度学习架构，如 Transformer、Diffusion、Autoregressive Models 等
对大语言模型（LLM）、多模态大模型及生成式AI技术有深入理解，熟悉SFT、RLHF、DPO、RAG、Agent等相关技术
具备良好的科研能力与团队协作能力，能够独立推进算法研究、实验分析与技术落地
工作职责
参与构建面向家装与家居消费场景的生成式AI智能设计系统，结合大模型、多模态理解与空间推理能力，为用户生成合理、美观且可落地的全屋设计方案
围绕户型解析、家具布局生成、商品搭配生成等核心问题，设计并实现空间布局与搭配生成算法，提升设计方案的合理性与美学一致性
构建空间关系建模与约束推理能力，结合场景理解与用户需求，实现可控的空间布局生成与商品组合推荐
设计与实现面向设计与导购场景的Agent决策与执行架构，实现从用户需求理解、方案生成到交互式调整的完整智能设计流程
基于大语言模型与多模态模型开展算法研究与工程落地，探索生成式建模在空间设计、商品理解与用户意图解析中的应用
研究并实践SFT、RLHF、DPO等大模型后训练方法，持续提升模型在布局合理性、空间约束满足、搭配一致性与用户偏好对齐方面的能力
设计并开展系统性的实验与算法评估，持续优化模型效果与系统性能，并推动相关算法在真实业务场景中的落地
优先资格
具备空间理解、场景生成、2D/3D布局生成、元启发式算法（如mcts、基因算法等）、约束优化、商品理解、用户意图建模或生成式推荐相关经验者优先
有家具布局生成、智能搭配推荐、对话导购、推荐系统或多Agent系统相关研究或项目经验者优先
在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、AAAI、ACL、EMNLP、KDD、WWW、RecSys等会议发表过LLM、多模态、推荐或AIGC相关论文者优先
AI 洞察
优缺点分析
优点
- 处于生成式AI与多模态大模型的技术前沿，能够接触并落地最前沿的AIGC技术
- 依托庞大的电商与家居消费场景，算法研究成果能迅速在亿级用户场景中验证与落地
- 团队技术氛围浓厚，有机会在顶会发表论文，兼顾学术研究与工业界落地
- 具备扎实大模型算法基础，对AIGC在垂直领域（如空间设计、3D生成）落地有强烈兴趣，且具备较强科研与工程落地能力的算法工程师
缺点 / 挑战
- 空间布局生成与约束推理属于较新的交叉领域，技术挑战大，缺乏现成的成熟解决方案
- 业务对设计方案的合理性、美学一致性及落地性要求极高，模型效果调优和工程化落地压力大
角色解读
- 纵向可成长为生成式AI领域的资深算法专家或架构师，主导核心算法系统的演进
- 横向可向AI产品技术负责人或业务技术总监发展，将AI技术深度赋能电商与家居消费场景
- 负责构建面向家装家居场景的生成式AI智能设计系统，利用大模型和多模态技术生成全屋设计方案
- 设计空间布局与搭配生成算法，并实现Agent决策架构，打通从需求理解到方案生成的完整流程
- 研究并实践SFT、RLHF等大模型后训练方法，优化模型在空间约束和搭配一致性上的表现
- 扎实的深度学习基础，熟练掌握Python与PyTorch，熟悉Transformer、Diffusion等主流生成式模型架构
- 深入理解LLM、多模态大模型及生成式AI技术，熟悉SFT、RLHF、DPO、RAG、Agent等前沿技术
- 具备优秀的算法工程能力与科研能力，能够独立推进算法研究、实验分析与真实业务场景的技术落地
申请策略
- 提前了解淘天集团在家装家居业务上的布局及现有AI产品，思考大模型如何更好地解决该场景下的用户痛点
- 重点突出在大语言模型、多模态模型或生成式AI方向的项目经验，特别是SFT、RLHF、Agent等技术的实际应用
- 详细展示在空间理解、2D/3D布局生成、约束优化或推荐系统等相关领域的研究成果或项目落地经验
- 列出在CVPR、NeurIPS等顶级会议上发表的相关论文，证明自身的科研能力与学术水平
- 深入学习空间关系建模、元启发式算法（如MCTS）及约束优化理论，弥补在空间推理方面的技术栈
- 熟悉多Agent系统的架构设计与执行逻辑，提升在复杂交互场景下的算法设计能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化回答项目经验，重点突出遇到的技术难点及你的解决思路
- 对于算法设计类问题，先从问题定义与数学建模入手，再介绍模型选型、训练策略，最后说明评估指标与业务收益
- 请详细介绍你过往在LLM或多模态大模型后训练（如SFT、RLHF、DPO）中的具体实践与优化经验
- 针对户型解析和家具布局生成，你会如何设计空间关系建模与约束推理算法？
- 在构建面向设计与导购场景的Agent决策架构时，如何保证多轮交互中方案生成的连贯性与合理性？
- 请分享一个你独立推进算法研究并成功在真实业务场景中落地的完整案例
- 复习并梳理生成式AI、大模型后训练、Agent架构的核心理论与最新前沿论文（如空间生成、多模态对齐）
- 准备1-2个具有深度的技术难点攻克案例，能够清晰阐述你的思考过程、实验设计与最终收益
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
该岗位薪资具备较强市场竞争力，且整体薪酬福利体系完善，能够较好地满足物质与稳定性需求。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位聚焦生成式AI与多模态大模型前沿技术，且鼓励科研与顶会论文发表，技术成长与学术发展空间极大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformer、LLM、多模态大模型、SFT、RLHF、DPO、RAG、Agent
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为核心业务的大模型算法岗，通常工作节奏较快。
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
将前沿AI技术应用于家居消费场景，提升用户设计体验，具有一定的产品创新价值与商业实用性。
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