阿里巴巴
国际智能定价和投资AI Agent-阿里星/BravoStar
国际智能定价和投资AI Agent-阿里星/BravoStar
发布于 大约 4 小时前普通员工/个人贡献者
杭州市
无经验要求
全职员工
仅现场办公
硕士
机器学习工程
Llm
Nlp
商品定价
图像识别
多模态
大模型
强化学习
深度学习
运筹优化
AI 估算 · 30k–50k
阿里星顶尖校招，算法岗薪资竞争力强，年终丰厚
职位详情
关于这个职位
该职位负责构建国际电商智能定价与投资AI Agent，利用大模型、强化学习和运筹优化技术，处理千亿级商品定价问题，直接优化平台损益与成交规模
适合对前沿算法有热情、喜欢挑战复杂业务场景的硕博应届生
最低要求
深度学习、强化学习、运筹学、自然语言处理、图像识别或应用数学等相关专业的硕士或博士生
熟悉Java，C++，Perl，Python等一种以上编程语言
具备业务抽象和建模能力，能够将复杂的业务场景分解，并进行面向业务问题的算法建模
持续关注学术前沿，自我驱动强，快速学习能力强，主动追踪大模型前沿算法和技术
积极、乐观、皮实、自省、善待他人、勇于面对挑战
工作职责
商品、用户、商家多模态特征理解：以商品特征理解为例，利用多模态大模型同时处理商品图像（包装、材质、设计风格）和文本信息（品牌、功能描述、用户评论），学习能够反映定价相关属性的商品表示
研究如何从LLM输出中提取影响定价的关键特征，如品类归属、档次定位、功能复杂度、品牌溢价等
同时，研究如何从LLM的商品理解中抽象出可迁移的定价规律，包括同品类内的价格敏感度模式、不同档次商品的定价策略差异、可替代品之间的价格关联关系
设计知识迁移学习框架，将成熟品类的定价知识迁移到新品类或长尾商品
商品定价策略生成能力：根据商品特征的理解自主制定价格策略，比如识别商品视觉特征（如包装颜色、尺寸展示、质感）对消费者价格预期的影响（例如，识别出"高端包装"应匹配更高价格锚点和更低折扣频率），并将其整合成商品的定价策略，同时需要满足平台对整体货盘的损益和规模要求
长序列投资决策学习能力：根据对不同投资对象（商品、商家、用户），通过强学学习等方式学习历史决策结果，研究基于序列生成的未来定价/投资轨迹优化，实现对长期投资策略的提前规划和持续优化
优先资格
具体大模型落地经验优先考虑，包括但不限于prompt优化、预训练和后训练等
对算法设计有比较强烈的兴趣，具有统计学、运筹学、机器学习、深度学习、强化学习相关知识优先考虑
AI 洞察
优缺点分析
优点
- 技术前沿：深度参与大模型、强化学习、多模态等前沿算法在商业场景的落地
- 业务影响力大：支撑阿里国际零售千亿级商品定价，直接贡献平台损益和规模增长
- 平台资源丰富：阿里巴巴提供海量数据和算力，与优秀算法团队合作
- 薪资竞争力强：阿里星校招项目，薪酬待遇位于行业顶尖水平
- 业务复杂度高：定价问题涉及多模态理解、长期决策，需要较强的建模和工程能力
- 技术迭代快：需要持续追踪前沿算法，保持学习状态
- 适合对算法研究有强烈热情、渴望在商业场景中实践前沿技术、抗压能力强的应届硕博生
缺点 / 挑战
- 工作压力大：互联网大厂节奏快，可能需要应对高强度的工作和快速迭代
角色解读
- 在阿里国际业务中成为定价算法专家，深入商业场景，技术与管理双通道发展
- 有机会接触千亿级业务数据和高并发场景，快速提升算法工程能力
- 可向大模型应用、智能决策等前沿方向深耕，成为领域专家
- 负责构建国际电商场景下的智能定价与投资AI Agent，利用多模态大模型理解商品、商家和用户特征，生成定价策略
- 通过强化学习和序列决策优化，实现长期投资决策的规划与优化，提升平台损益与成交规模
- 与团队协作，将大模型、运筹优化等前沿算法落地到实际业务中，持续迭代算法效果
- 扎实的机器学习/深度学习基础，熟悉大模型（LLM）原理与应用，如prompt优化、预训练/后训练
- 掌握强化学习、运筹优化或序列决策等至少一种方法，能进行业务建模
- 编程能力强，熟悉Python/Java/C++等，有算法落地经验
- 具备业务抽象能力，能够将复杂业务场景转化为算法问题
申请策略
- 提前了解阿里国际业务模式和定价挑战，在面试中展现业务洞察
- 准备1-2个深度项目案例，能够清晰讲解算法设计、落地效果和思考过程
- 突出大模型相关项目经验，如LLM微调、prompt工程、多模态模型训练等
- 展示强化学习或运筹优化实际应用案例，说明业务问题和解决方案
- 强调编程能力和算法竞赛获奖经历，如ACM、Kaggle等
- 如果有发表论文或开源项目，重点标注，体现学术前沿跟踪能力
- 系统学习强化学习（如DQN、PPO）和运筹优化（如线性规划、整数规划）基础
- 熟悉大模型微调框架（如LoRA、DeepSpeed）和Prompt设计技巧
面试指南
- 对于技术设计题，先明确问题定义，再拆解为子问题，给出技术选型（如模型结构、训练策略），最后说明评估方式
- 对于业务抽象题，从业务目标出发，识别关键变量和约束，选择合适的建模方法（如优化、RL），并说明如何验证
- 对于行为题，用STAR法则：情境-任务-行动-结果，强调个人贡献和学到的经验
- 如何用大模型提取商品特征并用于定价？请给出技术方案
- 请解释强化学习在长期投资决策中的应用，如何处理奖励稀疏问题？
- 你如何将一个复杂业务场景抽象为优化问题？举例说明
- 你对Transformer和Attention机制的理解？如何应用于多模态特征融合？
- 如何看待阿里国际定价业务中算法与商业目标的平衡？
职位点评
74
综合评分
阿里国际业务前沿算法岗，技术栈新，成长性强，但工作生活平衡未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求技术成长、渴望挑战前沿算法问题、对商业价值有认同感的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活50
使命价值80
薪资福利
70中等
JD未明确薪资福利，但阿里巴巴平台大，阿里星校招薪资通常在行业内具有竞争力，且福利完善。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
职位深度涉及大模型、强化学习等前沿技术，且要求持续追踪学术前沿，成长空间巨大。
技术前沿前沿/新兴技术
技术栈大模型、强化学习、运筹优化、多模态、LLM、Python、深度学习
成长机会主动追踪大模型前沿算法和技术
业务类型profit_center
工作生活
50较低
JD未涉及工作生活平衡信息，阿里互联网公司通常节奏较快，但具体无法判断。
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
80较高
工作直接优化零售定价和投资效率，对商业和社会有正向影响，使命感知足。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号不断创造价值，重塑整个海外零售商业体系、为社会带来更加美好的生活
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