阿里巴巴
算法工程师-AI智能决策（生成式/强化学习/因果推断）
算法工程师-AI智能决策（生成式/强化学习/因果推断）
发布于 4 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
Pytorch
Tensorflow
因果推断
大模型
广告出价
强化学习
运筹优化
值不值得投
75综合评分
综合评分 75
核心业务算法岗，前沿技术栈与工业级落地并重，薪资竞争力强，但业务节奏快、WLB未明确。
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
3.8万
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 2960 个在招 · 其中算法优化工程师 约 120 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 约 130 个在招
职位详情
关于这个职位
该职位主要负责电商业务中AI智能决策核心引擎的算法研发与落地，涵盖权益激励、广告出价、搜推流量机制等场景
你需要运用因果推断、强化学习、大模型等前沿技术，优化资源分配效率，最大化平台GMV与用户体验，并参与从离线训练到在线AB测试的全流程工业级应用
最低要求
本科及以上学历，计算机科学/人工智能/运筹优化/数理统计等相关专业优先
具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构
熟悉TensorFlow/PyTorch等主流框架，具备良好的工程实现能力，能完成从算法设计到线上部署的全流程
有深度学习基础理论，具备优秀的逻辑思维、抽象建模能力和跨团队协作意识，能够在复杂业务中提炼技术问题并推动落地
对AI技术充满好奇心，主动关注大模型、搜推广、NLP、强化学习等领域前沿进展
在因果推断、广告出价、运筹优化、强化学习/在线学习、大模型等领域有实战经验者优先
工作职责
参与“AI智能决策”核心引擎的算法创新与落地，面向权益激励、货品优惠定价、广告出价、搜索/推荐流量机制等通用场景，提升模型预估效果和决策出价精准度，持续提升ROI/GMV/LTV与用户体验
通过因果推断建模、运筹决策算法、出价/流量机制策略等技术创新，探索个性化、实时化、智能化的激励分配引擎，最大化平台GMV与用户转化，提升资源分配效率
探索生成式权益、LLMxUplift、AI Agent智能决策等方向，推动前沿AI技术核心电商业务领域的落地与应用
面向亿级用户、亿级资金、百亿级流量，完成从数据指标体系建设、离线训练与评估、仿真推演、在线AB与监控到持续技术迭代的工业级应用落地，应用AI驱动资金/流量智能决策，助力商业增长
优先资格
在KDD、SIGIR、WWW、ICML、NeurIPS、RecSys等国际顶会发表过相关论文
在ACM、数学建模、天池、Kaggle等算法竞赛中取得优异成绩
有大规模在线广告、搜推系统、权益发放、用户增长等方向实习经历或大模型训练/微调经验（如Llama、GPT、多模态模型）相关项目经历
AI 洞察
优缺点分析
优点
- 处于AI与电商核心业务结合的前沿，业务价值高，容易出成果
- 技术迭代快，需要持续跟进大模型等前沿技术并保持学习
缺点 / 挑战
- 接触亿级用户和百亿级流量的真实工业级场景，技术挑战大，能快速积累顶尖的算法落地经验
- 业务场景复杂，对算法的实时性、准确性和工程落地能力要求极高，需要承受较大的业务指标压力
- 适合具备扎实算法基础、对AI技术有强烈好奇心，且希望在电商核心业务中挑战大规模工业级落地的技术人才
角色解读
- 纵向可深耕算法技术，成为特定领域（如大模型决策、因果推断）的技术专家
- 横向可拓展至业务架构或策略产品方向，成长为懂业务的技术Leader
- 负责电商核心业务（如广告出价、搜推流量、权益激励）的AI智能决策算法研发
- 运用因果推断、强化学习、大模型等技术优化资源分配，提升GMV和ROI
- 完成从离线训练、仿真推演到在线AB测试的全链路工业级落地
- 扎实的编程能力（Python/C++/Java）和深度学习框架（TensorFlow/PyTorch）使用经验
- 精通因果推断、运筹优化或强化学习等特定领域的算法理论与实战经验
- 具备优秀的抽象建模能力，能将复杂业务问题转化为算法问题
申请策略
- 了解电商核心业务（如搜推广、营销玩法）的底层逻辑，思考AI技术如何赋能业务增长，在面试中展现对业务场景的深刻理解
- 突出在因果推断、强化学习或大模型领域的具体项目经验及带来的业务收益（如ROI提升、GMV增长）
- 展示顶会论文、知名算法竞赛获奖或大规模系统实习/项目经历
- 强调从算法设计到线上部署的全流程工程能力
- 深入学习LLMxUplift、AI Agent等前沿生成式决策技术
- 复习并巩固运筹优化与因果推断的数学基础及代码实现
面试指南
- 采用STAR法则，重点突出业务背景、技术选型原因、解决的难点以及最终量化的业务收益
- 对于系统设计问题，从数据流、模型架构、工程部署、监控反馈四个维度展开
- 请详细介绍一个你主导的因果推断或强化学习项目，遇到了什么挑战，如何解决？
- 在亿级流量场景下，如何保证模型预估的实时性和准确性？
- 如何评估一个决策算法的线上效果？请描述你的AB测试和监控体系设计
- 谈谈你对LLMxUplift或AI Agent在电商权益分配中应用的理解
- 准备1-2个深度参与的核心项目，能够清晰画出系统架构图并解释每个模块的设计考量
- 复习常见的算法面试题型，如手撕代码、机器学习基础理论及业务场景建模
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
该岗位属于核心业务算法岗，薪资极具市场竞争力，且业务价值高，预期奖金与长期激励较为丰厚。
薪资信号未披露（AI估算：2.5千–5万/月）
成长发展
90较高
岗位涉及大模型、因果推断等前沿技术，且面向亿级流量的工业级落地，技术成长空间与业务影响力极大。
技术前沿前沿/新兴技术
技术栈Python、C++、Java、TensorFlow、PyTorch、因果推断、强化学习、大模型、LLM、AI Agent
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，但核心业务算法岗通常面临较高的业务指标压力和较快的迭代节奏。
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
推动前沿AI技术在核心电商业务落地，探索生成式权益等创新方向，具有较高的商业价值和技术成就感。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs