阿里巴巴
淘宝闪购C端Agent研究与实践-阿里星
淘宝闪购C端Agent研究与实践-阿里星
发布于 大约 15 小时前普通员工/个人贡献者
上海市
专家级经验
全职员工
仅现场办公
博士
算法优化工程师
Llm
Pytorch
Tensorflow
Tensorrt
Vllm
Vlm
大模型
强化学习
AI 估算 · 50k–80k
阿里星计划，博士学历，前沿AI Agent方向，薪资处于行业顶尖水平。
职位详情
关于这个职位
这是一个在阿里巴巴淘宝闪购业务中，专注于大模型驱动AI Agent研究与应用的专家岗位
你将负责探索和构建面向即时零售的智能体框架，将LLM/VLM、强化学习等前沿技术应用于智能调度、动态定价、智能客服等核心场景，以支撑千万级日订单量的高效运转
岗位要求深厚的算法和工程功底，并具备将前沿研究转化为规模化落地的能力
最低要求
教育背景：计算机科学、人工智能、运筹学、数据科学等相关专业，博士/硕士及以上学历，熟悉推荐系统、运筹优化、强化学习、大模型应用等理论
扎实的工程与算法基础：精通Python/C++，熟练掌握PyTorch、TensorFlow等深度学习框架
有大模型（LLM/VLM）应用、Agent系统开发、强化学习（RL/MARL）、推荐系统、生成式AI等相关领域经验
有顶会论文或大型项目落地经验者优先
出色的研究能力：参与或主导过有代表性的技术开源项目或科研项目，或发表过顶级大模型/Agent相关领域论文，如ICML、NeurIPS、ICLR、KDD、WWW、ACL等高质量论文
快速学习与创新能力：对技术有强烈的好奇心，能快速跟踪国际前沿研究，主动掌握新工具与新范式
具备创新突破和不断探索在模糊中找路径的韧性以及独立思考与解决复杂问题的能力
团队协作与推动力：能够清晰表达技术思路，良好的沟通力与团队协作精神，推动跨部门合作及项目落地
工作职责
智能Agent技术探索：深入研究大模型驱动的自主智能体（Autonomous Agent）架构，探索规划、推理、工具调用、多Agent协作等核心技术在闪购场景中的创新应用，参与构建面向即时零售的Agent操作系统与智能体框架
大模型与业务融合：探索LLM/VLM在淘宝闪购业务场景中的深度应用，通过语义理解、多模态感知、知识增强等方式提升算法的业务适配性与可解释性
设计基于大模型的智能调度、供需预测、动态定价、智能客服等创新方案
融合RLHF、MARL、Prompt Engineering等技术，推动模型在闪购履约、营销、服务链路中的精准决策与持续进化
高效优化与落地：能够基于TensorRT、vLLM、量化压缩等推理加速技术，提升Agent系统的实时响应与并发处理能力
面向末端配送、商家运营、用户体验等核心场景，结合企业级场景解决序列决策、资源分配、异常处理等问题，推动算法在淘宝闪购业务中的规模化落地
团队协作与共创：与工程、数据、产品团队紧密合作，将算法需求转化为可落地的系统方案
通过AB实验验证模型效果，持续优化用户体验与业务指标，驱动即时零售业务的智能化升级
AI 洞察
优缺点分析
优点
- 技术前沿，处于AI Agent和大模型应用的核心赛道，个人技术成长空间巨大
- 阿里巴巴平台资源丰富，业务场景复杂且数据量大，能提供极佳的实践机会
- 薪资待遇优厚，且有机会参与阿里星等高潜人才计划，获得更多发展资源
- 对综合能力要求高，不仅需要扎实的技术功底，还需具备跨团队协作和推动落地的能力
- 适合对AI技术有极致追求，具备扎实算法和工程能力，并希望在复杂业务场景中实现技术价值的博士或资深算法专家
缺点 / 挑战
- 技术挑战大，需要持续学习并跟进国际前沿研究，保持技术领先
- 工作强度可能较高，需要适应快速迭代和高压力的工作节奏
角色解读
- 成为AI Agent领域的专家，引领技术方向
- 向技术管理岗位发展，带领团队推动业务落地
- 深入探索前沿技术，成为行业内的技术权威
- 研究并构建大模型驱动的自主智能体（Agent）架构，探索其在即时零售场景中的应用
- 将LLM/VLM等大模型技术与业务结合，设计智能调度、供需预测、动态定价等创新方案
- 优化Agent系统的推理性能，利用TensorRT、vLLM等技术提升实时响应能力
- 与工程、数据、产品团队协作，推动算法在淘宝闪购业务中的规模化落地
- 精通Python/C++，熟练掌握PyTorch、TensorFlow等深度学习框架
- 具备大模型应用、Agent系统开发、强化学习（RL/MARL）等领域的实际经验
- 拥有扎实的研究能力，有顶会论文或大型项目落地经验者优先
- 具备快速学习能力和创新精神，能独立解决复杂问题
申请策略
- 关注阿里巴巴和淘宝闪购的业务动态，了解其技术挑战和战略方向
- 在面试中展示对技术问题的深度思考和解决复杂问题的能力
- 突出顶会论文、开源项目或大型项目落地经验，展示研究深度和工程能力
- 强调在Agent、LLM、强化学习等领域的实际项目经验，并说明具体贡献和成果
- 展示对技术的好奇心和快速学习能力，例如对前沿技术的追踪和独立研究成果
- 深入理解大模型Agent的架构和原理，并动手实践相关开源项目
- 熟悉推理加速技术，如TensorRT、vLLM，并了解其在生产环境的应用
- 补充强化学习、多智能体系统等知识，并尝试在业务场景中应用
面试指南
- 结合具体业务场景，阐述技术选型和架构设计思路，并说明其可行性和优势
- 从系统层面分析问题，提出优化方案，并说明预期效果和潜在风险
- 用STAR法则清晰描述项目背景、个人贡献、技术难点和最终成果
- 从业务和技术两个维度定义评估指标，并说明如何通过AB实验验证
- 结合经典算法和实际业务约束，设计解决方案
- 如何设计一个基于大模型的智能调度Agent？请描述其架构和关键技术
- 如何解决LLM在业务场景中的推理延迟问题？
- 请介绍一个你主导的Agent或大模型项目，并说明其技术难点和解决方案
职位点评
77
综合评分
顶级平台、前沿技术、高薪高压力，适合追求技术突破的顶尖人才。
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。
更适合这类人
该职位最适合对技术有极致追求，渴望在AI前沿领域快速成长，并能适应高强度工作节奏的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
阿里巴巴作为行业巨头，提供具有竞争力的薪酬和福利，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：50K-80K/月）
成长发展
95较高
该岗位处于AI Agent技术前沿，提供顶级的研究和实践平台，对个人技能成长和职业发展有极大帮助。
技术前沿前沿/新兴技术
技术栈LLM、VLM、Agent、RLHF、MARL、TensorRT、vLLM
成长机会阿里星
业务类型profit_center
工作生活
40较低
工作地点在上海，但JD未提及弹性办公或远程工作，且高强度技术岗位可能面临较大工作压力。
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
80较高
该岗位处于即时零售这一高速增长赛道，通过技术驱动业务创新，对行业有较大影响力。
行业发展高速增长赛道
社会影响中性/一般
使命信号智能化决策、自动化运营
创新程度积极采用新技术
Watch Jobs