阿里巴巴
大模型驱动的用户理解&权益发放模型优化-阿里星/T-Star
大模型驱动的用户理解&权益发放模型优化-阿里星/T-Star
发布于 大约 2 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Llm
Pytorch
Tensorflow
因果推断
大模型
推荐系统
机器学习
用户增长
电商
值不值得投
76综合评分
综合评分 76
阿里大厂算法岗，前沿技术栈，薪资高，但工作强度大，现场办公。
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
45K
比算法优化工程师中位数低
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 1900 个在招 · 其中算法优化工程师 71 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 66 个在招
职位详情
关于这个职位
加入阿里巴巴淘天集团用户算法团队，你将专注于大模型驱动的用户理解与权益发放优化，利用前沿AI技术提升电商用户增长与长期价值
你将参与核心算法研发，与顶尖团队合作，探索生成式推荐、因果推断等前沿领域，定义电商增长新范式
适合对AI技术充满热情、具备扎实算法基础的硕士或博士
最低要求
计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构
掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态/因果推断/运筹优化等至少一个领域
有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先
对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习、因果推断等领域前沿进展
在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先
具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路
良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值
对电商场景有基本认知，愿意深入理解用户需求与商业逻辑
工作职责
● 课题1：大模型驱动的用户增长算法新范式
○ 核心任务：利用大模型的世界知识与推理能力深度理解用户意图、预估长期价值，结合生成式推荐与导购Agent，重新定义电商用户增长的获客与转化链路
● 课题2：大模型时代的电商权益生成式发放与可解释建模
○ 核心任务：突破传统"打分发券"范式，用LLM构建增量因果预估与未来行为预测能力，并探索Post-CoT等白盒推理机制，让优惠券的发放既智能又可解释
优先资格
有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历
有海量数据处理经验或者大厂实习经验
在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表
AI 洞察
优缺点分析
优点
- 技术前沿：岗位聚焦大模型、生成式AI等前沿技术，能接触最新技术趋势，提升技术竞争力
- 团队实力：淘天集团用户算法团队，技术氛围浓厚，与顶尖人才共事，学习机会多
- 薪资福利：大厂薪资水平高，福利完善，包括五险一金、补充医疗、股票期权等
- 竞争激烈：阿里算法岗竞争激烈，对学历、技术能力要求高，需要不断证明自己
- 适合对AI技术有强烈兴趣，具备扎实算法基础，能承受高强度工作，希望在电商领域深耕的技术人才
缺点 / 挑战
- 平台优势：阿里巴巴作为电商巨头，拥有海量数据和丰富业务场景，技术挑战大，成长空间广阔
- 工作强度：大厂算法岗通常工作强度大，可能需要加班，工作压力较大
- 技术难度：岗位涉及大模型、因果推断等复杂技术，需要持续学习和探索，技术挑战高
角色解读
- 技术专家路线：从算法工程师成长为技术专家，深入大模型、推荐系统等方向，成为团队技术核心
- 管理路线：逐步带领小团队，负责核心算法模块，晋升为技术主管或经理
- 横向发展：可转向产品、运营或数据科学等方向，利用技术背景推动业务创新
- 利用大模型技术优化用户增长算法，包括用户意图理解、长期价值预估和生成式推荐
- 参与电商权益发放的生成式建模，构建增量因果预估模型，提升优惠券发放的智能性和可解释性
- 与工程师、产品经理协作，将算法方案落地到实际业务场景，推动用户增长和GMV提升
- 持续关注前沿AI技术，进行技术探索和论文复现，保持团队技术领先
- 扎实的编程基础，熟练掌握Python/C++/Java，熟悉常用算法和数据结构
- 掌握机器学习基础理论，熟悉搜推广、NLP、多模态、因果推断或运筹优化至少一个领域
- 有PyTorch/TensorFlow等深度学习框架的使用经验，能进行模型训练和调优
- 具备良好的问题拆解和数据分析能力，能通过数据驱动算法优化
申请策略
- 关注阿里巴巴招聘官网和内部推荐渠道，了解岗位具体团队和业务方向
- 准备项目案例，突出技术难点和业务价值，展示问题解决能力
- 突出大模型相关项目经验，如LLM微调、生成式模型应用，展示技术深度
- 强调搜推、NLP、因果推断等领域的项目成果，用数据量化业务提升
- 展示编程能力和框架使用经验，如PyTorch、TensorFlow，并提及开源项目或竞赛成绩
- 体现数据分析能力，如通过数据定位问题、优化策略的案例
- 补充大模型训练和微调经验，如使用Llama、GPT等模型进行项目实践
- 深入学习因果推断和运筹优化，掌握增量模型、因果树等算法
面试指南
- STAR法则：描述情境、任务、行动和结果，突出技术细节和业务影响
- 结合业务场景：回答时联系电商用户增长场景，展示对业务的理解
- 展示技术深度：提及具体模型、算法和技术细节，体现专业能力
- 请介绍一个你参与的大模型相关项目，包括技术选型和效果评估
- 如何利用因果推断优化优惠券发放策略？请举例说明
- 在推荐系统中，如何平衡用户短期点击和长期价值？
- 你如何理解大模型在用户增长中的应用？有哪些挑战？
- 请描述一次你通过数据分析发现业务问题并优化算法的经历
职位点评
薪资福利80
成长发展95
工作生活40
使命价值80
薪资福利
80较高
阿里巴巴大厂薪资水平高，福利完善，但具体薪资未披露，补偿性动机满足度较高。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
95较高
岗位聚焦大模型、因果推断等前沿技术，技术挑战大，成长空间广阔，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈大模型、LLM、因果推断、生成式推荐、PyTorch、TensorFlow
业务类型profit_center
工作生活
40较低
工作地点在北京或杭州，需现场办公，未提及弹性工作，生活化动机满足度较低。
工作模式仅现场办公
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
80较高
电商行业稳定，岗位通过AI技术提升用户增长，具有商业价值，意义感动机满足度较高。
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