阿里巴巴
AI导购&智能推荐-阿里星/T-Star
AI导购&智能推荐-阿里星/T-Star
发布于 大约 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Nlp
Pytorch
Tensorflow
多模态
大模型
强化学习
推荐系统
值不值得投
74综合评分
综合评分 74
前沿AI技术栈，业务场景丰富，学术氛围浓，但WLB可能一般。
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。
薪资怎么样
35K
比机器学习工程中位数高
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 2200 个在招 · 其中机器学习工程 约 150 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 280 个在招
职位详情
关于这个职位
加入阿里巴巴商品价格力与营销算法团队，负责利用AI技术如推荐系统、大模型Agent等，优化淘宝的购物体验和商业增长，参与双11、百亿补贴等核心业务场景，将学术成果应用于实际业务
最低要求
计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构
掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域
有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先
对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展
在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先
具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路
良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值
对电商场景有基本认知，愿意深入理解用户需求与商业逻辑
工作职责
课题1：智能购物比价Agent - 核心任务：融合多模态CoT、强化学习与大模型Agent技术，构建跨平台商品细粒度差异识别与推理能力，打造支撑双11、百补等核心业务的智能比价助手
课题2：营销智能推荐系统 - 核心任务：探索Agent驱动的推荐系统新架构，以场域验证有效的模型与超参为核心skill，实现用户粒度的定制化推荐，同步降低资源成本与提升核心效率指标
课题3：营销AI购物助手 - 核心任务：面向大促核心场景，结合AI Agent与LLM大规模电商任务Post-Training，在手淘、千问APP等C端打造个性化推荐、智能凑单、省钱攻略等人机协同的营销导购新范式
课题4：生成式推荐全面落地 - 核心任务：用生成式框架与大模型推理能力重构召回-粗排-精排-重排全链路，探索领域语义ID构建、召粗一体与端到端OneModel在淘宝核心推荐场景的规模化应用
优先资格
有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历
有海量数据处理经验或者大厂实习经验
在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表
AI 洞察
优缺点分析
优点
- 技术栈前沿，接触大模型、多模态等AI热门方向
- 业务场景丰富，双11等大促提供实战机会
- 团队学术氛围浓，鼓励顶会论文发表
- 公司平台大，资源充足，成长空间广阔
- 竞争激烈，需与优秀人才协作
- 适合对AI技术有浓厚兴趣，愿意深入电商场景，并有志于将学术研究应用于实际业务的应届毕业生
缺点 / 挑战
- 技术挑战高，需持续跟进AI最新进展
- 业务压力大，大促期间工作强度高
角色解读
- 从算法工程师成长为高级算法专家，深入特定技术方向
- 转向技术管理岗位，带领团队推动业务创新
- 成为领域专家，在学术和业界产出影响力
- 负责智能购物比价Agent的开发，融合多模态AI技术识别商品差异
- 参与营销推荐系统架构探索，实现个性化推荐和效率提升
- 构建AI购物助手，在电商场景提供智能导购服务
- 推动生成式推荐技术在淘宝全链路的规模化应用
- 掌握机器学习理论，熟悉推荐系统或NLP领域
- 熟练使用PyTorch等框架，有算法竞赛或论文经验
- 具备强大的问题分析和沟通协作能力
- 对大模型和前沿AI技术保持好奇心和学习能力
申请策略
- 了解阿里巴巴的电商AI应用场景
- 准备技术面试中的算法和系统设计问题
- 展示团队合作和沟通能力
- 突出机器学习或推荐系统相关项目和论文
- 展示算法竞赛成绩或开源贡献
- 强调编程能力和问题解决能力
- 体现对电商或AI应用的理解
- 深入学习大模型和多模态技术
面试指南
- 使用STAR方法描述项目经验和挑战
- 结合理论知识和实际案例回答技术问题
- 展示对业务场景的理解和创新思考
- 请介绍一个你参与过的机器学习项目
- 如何设计一个推荐系统来处理冷启动问题？
- 解释多模态学习在商品比价中的应用
- 你对大模型在电商领域的应用有什么看法？
- 如何平衡推荐系统的准确性和多样性？
职位点评
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未明确提及薪资和福利，但作为大厂校招岗位，市场竞争力较强。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
技术前沿，涉及大模型、多模态等新兴领域，有浓厚学术氛围和成长机会。
技术前沿前沿/新兴技术
技术栈推荐系统、大模型、多模态、强化学习、NLP
业务类型profit_center
工作生活
50较低
JD未提及工作模式和WLB，推断可能为现场办公，工作强度可能较高。
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
80较高
电商AI赛道高速增长，技术应用于实际业务，有明确的商业价值和社会影响。
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