阿里巴巴
日常实习生-淘天供应链产品技术部-AI算法工程师
日常实习生-淘天供应链产品技术部-AI算法工程师
发布于 2 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Agentic Rl
Llm
Prompt Engineering
Rag
Sft/Dpo
Sql
多模态Ai
知识图谱
值不值得投
67综合评分
综合评分 67
顶尖大厂核心AI团队实习，技术栈极度前沿，成长机会极佳，但工作强度可能较高。
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，方便比较实习机会。
薪资怎么样
1.0千
比机器学习工程中位数低
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 4140 个在招 · 其中机器学习工程 约 230 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 310 个在招
职位详情
关于这个职位
该职位是阿里巴巴淘天集团供应链产品技术部的AI算法实习生岗位
主要参与AI应用在电商核心场景的系统化构建，包括模型优化、评测体系搭建、RAG及多Agent框架开发，以及多模态AI和供应链数据图谱的落地应用，旨在通过AI技术驱动业务增长
最低要求
学历学术背景：计算机/人工智能/数学等相关专业硕士及以上学历，在 ACL/EMNLP/NAACL/NeurIPS/ICML/ICLR 等顶级会议上发表论文者优先
AI 应用构建能力：掌握主流 AI 协议（MCP、Skills 等）、记忆系统（Memory）、知识库（RAG），独立开发过具备一定影响力 AI 应用者优先
模型理解与优化：熟悉 Transformer 和主流 LLM 模型架构，具备模型后训练优化（SFT/DPO/RL）能力，拥有 Agentic RL 训练实操经验者优先
AI-Native 代码能力：如臂使指地掌握至少一门编程语言，熟练驾驭 AI Coding 工具，能够通过 Vibe Coding 快速构建项目原型，有实际 AI Coding 项目落地经验者优先
工程与系统素养：熟练掌握 Git、命令行等研发工具，了解分布式系统、数据库、计算机组成，具备大规模数据处理能力者优先
语义与检索：了解领域分词、实体链接、别名归一和检索增强，能处理业务术语、缩写、中英文混合和口语化表达，有 RAG、向量检索或图谱检索经验者优先
工程与数据素养：熟练掌握 Python 或 Java 中至少一门语言，能用 SQL 做多表查询和数据核对，熟悉 Git、命令行，了解数据库与大规模数据处理，有数仓、联邦查询或实时数据接入经验者优先
极客精神：对新技术有近乎本能的渴望，能够独立阅读论文/技术报告等并快速复现，快速主动尝试落地先进开源项目，对主流 AI 开源项目有贡献者优先
工作职责
AI 应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等
评测体系构建：面向业务目标，设计完备的 AI 应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力
AI 外部能力体系搭建：实现 AI 应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多 Agent 协作框架等
多模态 AI 应用开发：构建 AI 应用的多模态感知与推理能力，解决在 UI 自动化、视觉理解与审核、多模态会话等场景的落地应用问题
世界模型与数据图谱：围绕供应链场景，参与本体建模、数据图谱构建和自然语言取数，完成问句理解、Schema Linking、跨域补数与多跳影响分析，使查询和推理落在已发布的对象、关系与规则之内
AI 洞察
优缺点分析
优点
- 接触阿里核心电商业务场景，技术栈前沿（LLM、Agentic AI、多模态），有大牛导师指导，简历含金量极高
- 竞争极其激烈，对学术背景和工程落地能力要求双高，工作节奏快，需具备极强的自驱力和快速学习能力
- 计算机/AI相关专业硕士，有顶会论文或高质量开源项目贡献，对大模型应用落地有强烈兴趣的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向高级AI算法专家、AI架构师方向发展，或在AIGC、智能决策、大模型应用层深耕，成为具备业务落地能力的复合型技术人才
- 参与电商供应链场景下AI应用的从0到1构建，包括模型微调、RAG知识库搭建及多Agent系统设计
- 精通Python/Java，深入理解Transformer架构及LLM后训练技术（SFT/DPO/RL），熟悉RAG、向量检索及多模态处理
申请策略
- 准备详细的项目复盘，重点阐述如何解决实际业务痛点及技术选型理由，展现极客精神和对新技术的敏感度
- 突出顶会论文发表情况、LLM相关项目经验（特别是SFT/DPO/RAG实战）、GitHub开源贡献及复杂系统的设计能力
- 强化对最新AI协议（如MCP）的理解，提升Vibe Coding效率，补充供应链业务知识或图数据库相关知识
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型的依据、遇到的难点及解决方案、最终的业务/技术指标提升
- 请详细介绍你最近做的一个LLM应用项目，遇到的最大挑战是什么？
- 如何设计一个高效的RAG系统来处理电商领域的专业术语和噪声数据？
- 谈谈你对Agentic RL的理解，以及在实践中可能遇到的Reward Hacking问题
- 在多模态场景中，如何处理视觉信息与文本信息的对齐与融合？
- 复习Transformer底层原理及主流LLM微调技术，阅读近期ACL/NeurIPS关于Agent和RAG的最新论文，准备1-2个深度技术案例
职位点评
薪资福利65
成长发展95
工作生活40
使命价值70
薪资福利
65中等
作为互联网巨头实习岗，薪资高于市场平均水平，但实习性质决定了其长期稳定性较弱，福利体系不如正式员工完善。
薪资信号偏高 (0.2–0.3千/月)
成长发展
95较高
职位涉及最前沿的LLM、Agentic AI和多模态技术，且直接服务于核心业务，技术成长空间极大，非常适合追求技术深度的求职者。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Transformer、Agentic RL、SFT/DPO、多模态、Knowledge Graph
业务类型profit_center
工作生活
40较低
互联网大厂核心部门通常工作强度较大，JD未提及弹性工作或WLB保障，推测为高强度现场办公环境。
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AI技术赋能电商供应链，提升商业效率和用户体验，具有明确的商业价值和技术创新意义。
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