算法工程师-多模态理解与用户意图推理（T-Star Lab 日常实习）

优缺点分析

角色解读

• 在T-Star Lab实习，有机会接触亿级规模的数据和前沿课题，快速提升算法研究和工程能力
• 表现优秀者有机会转正，成为淘天集团的核心算法工程师，参与核心业务的技术研发
• 未来可向技术专家或技术管理方向发展，成为多模态理解、大模型应用等领域的专家
• 负责用户理解、行为建模、意图识别等核心算法研发，涉及多模态数据（文本、图像、视频等）的语义关系建模
• 探索大模型、多模态、序列建模、因果推断、强化学习等技术在搜索推荐场景中的应用，推动算法落地
• 参与模型训练、评估、上线和实验分析，与产品、工程、算法团队协作，将研究问题转化为可验证的系统能力
• 有机会参与论文、专利、技术分享和开源等技术影响力建设
• 扎实的机器学习、深度学习基础，熟悉推荐系统、NLP、大模型、多模态理解等方向
• 熟悉多模态理解模型的原理与应用，能够建模文本、图像、视频、商品、内容与用户行为之间的语义关系
• 了解或实践过大模型后训练技术，如 SFT、DPO、偏好对齐、指令微调、评测体系构建等
• 对 Deep Research、Agent、RAG、长上下文推理等技术在意图理解、需求分析和决策辅助中的应用有兴趣或实践经验

申请策略

• 关注阿里巴巴淘天集团的招聘动态和 T-Star 计划的具体要求，提前准备
• 在简历中突出与岗位相关的项目经验和技术能力，并展示对业务场景的理解
• 突出机器学习、深度学习、NLP、多模态等方向的扎实基础和项目经验
• 重点展示大模型后训练（SFT、DPO等）、推荐系统、多模态理解等相关的项目或研究
• 如有高质量论文（NeurIPS、ICML、ACL等），务必突出，这是加分项
• 强调对复杂业务问题的兴趣和将算法落地到真实产品的能力
• 深入学习大模型后训练技术，如 SFT、DPO、偏好对齐、指令微调等，并动手实践
• 熟悉多模态理解模型（如 CLIP、LLaVA 等）的原理和应用，尝试构建多模态语义关系模型

面试指南

• 回答技术问题时，采用 STAR 法则（情境、任务、行动、结果），清晰展示项目背景、你的贡献和成果
• 对于开放性问题，先明确问题定义，再提出技术方案，并说明方案的可行性和潜在挑战
• 展示对业务场景的理解，说明技术如何解决实际问题，体现商业敏感度
• 请介绍一个你参与的多模态理解或大模型相关项目，并说明你的具体贡献
• 如何建模文本、图像、视频与用户行为之间的语义关系？请举例说明
• 你了解哪些大模型后训练技术（如 SFT、DPO）？它们各自有什么优缺点？
• 如何将多模态理解技术应用到搜索推荐场景中？请提出你的思路
• 你如何评估一个算法模型的效果？请结合具体案例说明