阿里巴巴
淘宝闪购-高级营销算法专家-杭州/上海
淘宝闪购-高级营销算法专家-杭州/上海
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
Diffusion
Dpo
Grpo
Sft
分布式训练
多目标优化
大模型微调
强化学习
值不值得投
75综合评分
综合评分 75
核心业务高级算法岗，技术栈前沿且薪资偏高，业务挑战大但WLB未明确。
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，方便横向比较。
薪资怎么样
5.5万
比推荐系统中位数高
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 3250 个在招 · 其中推荐系统 26 个
市场机会
选择适中
杭州 · 推荐系统 · 35 个在招
职位详情
关于这个职位
负责淘宝闪购营销算法及生成式营销定价系统的研发，运用Diffusion、Decision Transformer等生成式架构与强化学习技术，解决亿级DAU场景下的预算调控、多目标优化等命题，协同团队打造智能营销解决方案
最低要求
计算机、运筹学、人工智能、应用数学等相关专业硕士及以上学历
精通Transformer/Diffusion/Decision Transformer等架构，有将其应用于序列决策或组合优化的落地经验，熟练掌握强化学习框架，具备复杂奖励系统设计与多目标优化能力
具备SFT/DPO/GRPO等后训练与迭代能力（含数据/评估/优化），对后训练算法有实践经验和深刻认知
具备大模型微调与分布式训练经验，熟悉模型量化与低延迟推理优化，能支撑亿级DAU的高并发实时决策
工作职责
负责淘宝闪购营销算法，券/品生成式营销定价系统的研发工作，包括但不局限于Diffusion/Decision Transformer等生成式架构的设计与实现，覆盖亿级DAU的定价场景
主导生成式定价全链路算法开发，包括端到端生成定价、Decoder Only架构优化、强化学习奖励系统设计等创新模块，显著提升计算效率和营销效率
探索生成式和强化学习技术在营销定价场景中的应用，解决预算实时调控、门槛面额联合生成、商出资动态加载、多目标优化等命题，提升营销补贴效率
深度协同产品、运营及工程团队，将算法创新转化为业务增长动力，打造行业领先的智能营销解决方案
优先资格
在生成式、强化学习领域有深入研究，发表过顶会论文者优先
主导过生成式定价/广告/推荐系统完整项目者优先
拥有Agentic RL训练实操经验者优先
AI 洞察
优缺点分析
优点
- 接触Diffusion、Decision Transformer等前沿生成式AI技术，技术栈极具前瞻性与市场竞争力
- 亿级高并发实时决策对系统性能和算法效率要求极高，技术攻坚与工程落地难度大
- 适合在生成式AI或强化学习领域有深厚积累，渴望在超大规模电商场景中验证前沿算法并推动业务增长的顶尖技术人才
缺点 / 挑战
- 依托电商核心业务，拥有亿级DAU的丰富数据与真实落地场景，技术挑战大且业务价值极高
- 需深度协同产品、运营及工程团队，对跨部门沟通与复杂业务逻辑的理解能力要求较高
角色解读
- 可向资深算法专家、首席科学家方向发展，或在业务线晋升为技术负责人
- 引领电商营销AI技术的演进与落地，成为生成式AI在商业决策领域的行业专家
- 负责淘宝闪购营销定价系统的算法研发，运用生成式架构和强化学习技术解决亿级DAU场景下的复杂定价与补贴优化问题
- 主导全链路算法开发，协同产品与工程团队将算法创新转化为实际业务增长，打造智能营销解决方案
- 精通Transformer/Diffusion等生成式架构及强化学习框架，具备大模型微调、分布式训练及低延迟推理优化能力
- 拥有复杂奖励系统设计与多目标优化经验，熟悉SFT/DPO等后训练算法，能支撑高并发实时决策
申请策略
- 深入了解淘宝闪购的业务模式，准备1-2个深度技术项目案例，详细梳理从模型设计到线上部署的全链路细节
- 突出在生成式架构（如Diffusion/Decision Transformer）和强化学习方面的实际落地项目，特别是定价、推荐或广告系统的相关经验
- 强调大模型微调、分布式训练及高并发推理优化的工程能力，以及顶会论文或核心算法竞赛成果
- 深入复习强化学习奖励系统设计与多目标优化理论，熟悉Agentic RL及SFT/DPO/GRPO等后训练算法的最新进展
- 了解电商营销补贴策略与预算调控逻辑，准备如何将前沿算法与具体业务痛点结合的思考
面试指南
- 采用STAR法则，重点突出业务背景、算法选型理由、工程优化手段（如量化、分布式）以及最终的业务收益指标（如ROI提升、效率优化）
- 请详细介绍你主导过的生成式定价或推荐系统项目，遇到了哪些技术难点及解决方案？
- 在亿级DAU场景下，如何优化Diffusion或Decision Transformer的推理延迟以满足实时决策需求？
- 如何设计复杂的强化学习奖励系统来解决多目标优化问题（如预算调控与补贴效率的平衡）？
- 请分享你在SFT/DPO/GRPO等后训练算法中的实践经验及踩坑经历
- 准备深度技术项目案例，详细梳理从模型设计、训练调优到线上部署的全链路细节与性能指标
- 复习大模型推理加速及强化学习在序列决策中的前沿论文与工业界实践，确保对底层原理有深刻认知
职位点评
薪资福利85
成长发展90
工作生活40
使命价值75
薪资福利
85较高
作为核心业务的高级算法专家岗，薪资水平处于行业高位，且依托已上市企业，整体薪酬福利与稳定性具有较强竞争力。
薪资信号偏高 (4千–7万/月)
成长发展
90较高
岗位涉及Diffusion、Decision Transformer、Agentic RL等前沿技术，且处于亿级DAU的核心业务场景，技术成长与业务视野拓展空间极大。
技术前沿前沿/新兴技术
技术栈Diffusion、Decision Transformer、Transformer、强化学习、SFT、DPO、GRPO、Agentic RL、大模型微调、分布式训练
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，但作为核心业务的高级技术岗且要求支撑亿级高并发，通常工作强度较大，生活化动机满足度有限。
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
电商营销算法直接驱动业务增长与用户体验优化，具有明确的商业价值，但属于商业变现导向，社会公益属性一般。
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