
阿里巴巴
日常实习生-1688-数据算法
日常实习生-1688-数据算法
发布于 2 小时前实习/见习
实习生仅现场办公AI算法
AI算法
Nlp
Sft
召回排序
向量检索
大模型应用
机器学习
深度学习
知识图谱
知识蒸馏
值不值得投
72综合评分
综合评分 72
前沿算法实习、技术成长强,薪资与WLB信息未披露
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,方便比较实习机会。
薪资怎么样
8.0千
比AI算法中位数高
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 5200 个在招 · 其中AI算法 约 110 个
市场机会
选择面较广
杭州 · AI算法 · 约 130 个在招
职位详情
关于这个职位
这是一个面向在读本科及以上学生的算法实习岗位,主要参与1688商机数据、AI商家画像、工厂图谱和用户画像相关算法建设
你会围绕召回、匹配、排序、大模型对齐、知识蒸馏与推理优化等方向开展实验和工程落地,提升业务效果并降低服务成本
最低要求
● 计算机科学、人工智能、数据科学、统计学或相关专业本科及以上学历(在读)
● 熟悉Python,具备扎实的编程与工程能力
● 了解机器学习/深度学习基础理论,有NLP或大模型应用相关经验者优先
● 具备良好的数据分析能力与实验思维,能独立完成问题定义、方案设计与效果验证
● 责任心强,沟通能力好,能主动推动项目进展
工作职责
参与商机数据算法能力建设,围绕商机匹配与跨平台供给发现,通过训练样本构建、难例挖掘、SFT与知识蒸馏等手段持续优化召回、匹配与排序模型
结合效果评测优化模型路由与推理调度策略,在效果稳定前提下降低服务成本
参与多维商机数据体系的建设与完善
参与AI商家画像与工厂图谱算法研发,推进分行业工厂图谱构建与质量治理
通过SFT对齐与RL多目标优化提升销服Memory生成质量,推动画像能力在业务场景的落地与迭代
参与AI用户画像算法研发,优化生意模式与主营身份推理质量,推进模型轻量化、蒸馏压缩与推理加速,持续提升实时需求理解的准确率与个性化能力
优先资格
加分项(满足任一即可):
● 了解大模型训练流程(SFT/蒸馏/RLHF),有Prompt工程或推理优化经验
● 有信息检索、召回排序、向量检索或MCP/Agent相关经验
● 有知识图谱构建、实体识别或强化学习在NLP场景的应用经验
● 了解模型压缩、量化、蒸馏或推理加速技术
● 有用户画像/身份识别、数据标注或质量评估相关项目经验
AI 洞察
优缺点分析
优点
- 岗位覆盖大模型、召回排序、知识图谱、用户画像等多个AI应用方向,技术内容具体且有深度
- 业务场景真实,涉及1688商机匹配、商家画像和工厂图谱,便于积累电商B2B场景的算法落地经验
- 加分项与主流大模型技术栈高度相关,有助于实习生建立前沿AI工程与算法实践经验
- 工作内容包含效果评测、推理加速和成本优化,能训练从模型效果到服务成本的完整工程思维
- 涉及大模型训练、蒸馏、强化学习和推理优化,技术跨度较大,需要较强的学习能力和实验耐心
- 业务链路较长,画像、图谱、召回排序和成本优化相互关联,理解业务目标和指标口径需要时间
- 适合计算机、AI、数据科学或统计学背景,熟悉Python并有机器学习或大模型项目实践的在读学生
- 尤其适合希望深入电商算法、NLP应用和模型工程落地方向的求职者
缺点 / 挑战
- 作为实习生,可能需要在较短时间内交付实验结论或工程改动,对自驱力和沟通效率要求较高
角色解读
- 从算法实习逐步积累大模型应用、搜索推荐、用户画像和知识图谱经验,可向算法工程师或大模型应用工程师发展
- 若持续深耕召回排序、推理优化和业务建模,可成长为电商搜索推荐、商业算法或AI平台方向的高级算法人才
- 也可以向数据科学、机器学习工程、AI产品经理或业务策略分析等方向拓展
- 参与商机匹配、跨平台供给发现相关算法建设,包括训练样本构建、难例挖掘、召回、匹配和排序模型优化
- 参与AI商家画像、工厂图谱和用户画像研发,推进图谱构建、质量治理、身份推理和画像能力业务落地
- 围绕大模型应用开展SFT、知识蒸馏、强化学习多目标优化、Prompt工程和推理加速实验,并参与效果评测与成本优化
- 需要熟悉Python,具备扎实编码、数据处理和工程实现能力,能够支撑算法实验与业务迭代
- 需要掌握机器学习、深度学习基础,理解召回排序、NLP、大模型训练与推理优化等核心方法
- 需要具备数据分析和实验设计能力,能独立完成问题定义、方案设计、指标评估和效果验证
- 需要良好的沟通协作和主动推进能力,能与业务、工程和数据团队协作推动项目落地
申请策略
- 申请时建议结合1688的B2B电商场景,说明自己如何理解商机匹配、商家画像或工厂图谱问题
- 面试前可关注阿里巴巴和1688近期在AI商家工具、智能匹配和电商大模型方面的业务动态
- 突出Python工程能力,包括数据处理、模型训练、实验脚本、接口调用或项目部署等具体实现
- 重点展示与NLP、大模型、召回排序、向量检索、知识图谱或用户画像相关的项目,说明问题、方法、指标和结果
- 写明自己对SFT、蒸馏、RLHF、Prompt工程、模型压缩或推理加速的理解与实践经历
- 强调数据分析和实验思维,例如如何定义指标、设计对照实验、做难例分析并验证优化效果
- 可提前准备一个端到端大模型应用项目,覆盖数据构建、SFT或Prompt设计、效果评测和推理优化
- 复习召回、排序、向量检索、信息检索和NLP基础,准备用清晰语言解释模型方案与指标选择
面试指南
- 项目类问题采用“背景—目标—数据—方法—指标—结果—反思”的结构回答,重点说明自己的具体贡献
- 算法类问题先明确业务目标和评估指标,再从样本、特征、模型、训练策略、推理部署和实验验证分层展开
- 遇到不熟悉的问题时,先说明自己的理解假设,再给出可验证的解决路径和实验设计,体现工程闭环能力
- 请介绍一个你做过的机器学习或大模型项目,包括问题定义、数据构建、模型方案和最终效果
- 如何构建一个召回或排序模型?你会如何选择指标、构造训练样本和挖掘难例?
- 请解释SFT、知识蒸馏和RLHF的基本原理,以及它们在业务场景中的适用条件
- 如果模型效果提升但推理成本过高,你会从哪些方向做优化?
- 在商家画像或用户画像任务中,如何处理数据稀疏、标签噪声和实体歧义问题?
职位点评
薪资福利72
成长发展90
工作生活45
使命价值70
薪资福利
72中等
JD未披露薪资和福利信息,因此补偿性动机只能基于岗位性质判断。作为算法实习岗,通常能提供较好的实践回报,但薪资福利确定性不足。
薪资信号未披露(AI估算:6.0千–1.0万/月)
成长发展
90较高
岗位明确涉及SFT、知识蒸馏、强化学习、召回排序、知识图谱和推理加速等方向,技术成长信号强。工作内容覆盖模型研发、效果评测和业务落地,对算法实习生的能力训练较全面。
技术前沿前沿/新兴技术
技术栈Python、机器学习、深度学习、NLP、大模型、SFT、知识蒸馏、RL、召回、匹配、排序、向量检索、MCP、Agent、知识图谱、实体识别、模型压缩、量化、推理加速
业务类型ambiguous
工作生活
45较低
JD仅明确地点为杭州,未提及远程、弹性、双休或加班情况,生活化动机相关信息不足。由于办公模式未明确,无法判断通勤与工作节奏适配度。
工作模式未明确
办公地点未明确
加班情况未提及(无法判断)
使命价值
70中等
岗位聚焦B2B电商中的商机匹配、商家画像和工厂图谱建设,具有提升供需匹配效率和平台智能化水平的业务价值。但JD未直接表达社会使命或公共价值导向。
行业发展高速增长赛道
社会影响中性/一般
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