阿里巴巴
时空互联网商业AI内核范式的研究和应用-阿里星
时空互联网商业AI内核范式的研究和应用-阿里星
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推荐系统
推荐系统
Llm
Pytorch
分布式训练
图神经网络
大模型
强化学习
推荐系统
生成式Ai
运筹优化
值不值得投
82综合评分
综合评分 82
阿里星顶尖博士计划，薪资极高、技术前沿且业务核心，但工作强度可能较大。
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，方便比较职业起点。
薪资怎么样
6.5万
比推荐系统中位数高
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 3530 个在招 · 其中推荐系统 30 个
市场机会
选择适中
杭州 · 推荐系统 · 37 个在招
职位详情
关于这个职位
该职位致力于研发下一代生成式超算引擎，将生成式AI与大模型技术应用于淘宝闪购的商物流调度与推荐场景
你将参与从理论研究到工程落地的全流程，解决长序列建模、多目标优化等复杂商业问题，成长为“AI+业务”的复合型人才
最低要求
教育背景：计算机科学、人工智能、运筹学、数据科学等相关专业，博士研究生及以上学历，熟悉推荐系统、运筹等基础理论
扎实的技术能力：精通Pytorch框架，熟练掌握 Transformer、扩散模型、对比学习等生成式模型技术
出色的科研能力：参与或主导过有代表性的技术开源/科研项目工作，或发表过大模型相关领域高质量、有影响力的论文，如：KDD、ACL、CIKM、NIPS等顶级会议相关论文，RecSys Challenge、Kaggle等竞赛并获奖
快速学习与创新能力：对技术有强烈好奇心，能快速跟踪国际前沿研究，主动掌握新工具与新范式，具备创新突破和不断具备在模糊中找路径的韧性以及独立思考与解决复杂问题的能力
团队协作与推动能力：能够清晰表达技术思路，良好的沟通能力与团队协作精神，推动跨部门合作及目标落地
工作职责
生成式技术探索：深入研究生成式在搜推、调度、决策、路径规划等方向的前沿技术，参与构建端到端的生成式架构
大模型技术融合：探索LLM在淘宝闪购业务场景中的应用，通过语义增强、知识推理等方式提升算法的多样性与可解释性，设计基于大模型的生成式检索、OneModel推荐等创新方案
融合 MIP、VRP、强化学习、图神经网络等技术，辅助传统优化求解器，构建端到端的智能决策系统
分布式训练与推理：参与GPU集群环境下的分布式训练与推理优化，提升模型训练速度与在线服务性能，降低计算资源消耗
算法优化及落地：能够基于 Transformer、强化学习、运筹优化等技术，优化生成式模型在商流、物流超算的效率与效果
结合工业级场景解决长序列建模、稀疏数据冷启动、多目标、动态化、实时化、长期价值等挑战
推动算法在淘宝闪购业务中的应用与落地
跨团队协作：与工程、数据团队紧密合作，将算法需求转化为可落地的系统方案，通过 AB 实验验证模型效果，持续优化用户体验与业务指标
优先资格
在大模型（LLM）、推荐系统、生成式 AI 等相关领域，有参与/主导过项目经验者优先
AI 洞察
优缺点分析
优点
- 技术栈非常前沿，处于生成式AI、大模型与运筹优化的交叉领域，容易产出高水平学术与工程成果
- 作为“阿里星”计划成员，将获得公司顶级的资源倾斜与曝光度，起点极高
- 核心业务线的超算引擎研发节奏快，需要解决大量动态化、实时化的工业级难题，工作强度可能较大
缺点 / 挑战
- 业务场景极具挑战与价值，日处理亿级订单量，技术成果直接驱动万亿级市场
- 对科研能力和技术深度要求极高，需要持续跟踪国际前沿并产出顶会论文，学术与工程双重压力大
- 适合追求顶尖技术成长、渴望在AI与运筹优化交叉领域取得突破，且能承受较高工作强度的顶尖博士人才
角色解读
- 从理论研究到工程落地的全流程参与，积累扎实的学术能力与高效的工程落地能力
- 成长为能解决复杂商业问题的“AI+业务”复合型人才，未来可向算法专家或技术架构师方向发展
- 研发下一代生成式超算引擎，将生成式AI与大模型技术应用于淘宝闪购的商物流调度与推荐场景
- 探索LLM在业务场景中的融合应用，设计生成式检索、OneModel推荐等创新方案，构建端到端智能决策系统
- 参与GPU集群环境下的分布式训练与推理优化，解决长序列建模、多目标优化等工业级复杂挑战
- 精通Pytorch框架，熟练掌握Transformer、扩散模型、对比学习等生成式模型技术
- 具备出色的科研能力，有KDD、ACL等顶级会议论文发表或知名竞赛获奖经历
- 熟悉推荐系统、运筹优化、强化学习等基础理论，并能将其应用于实际业务场景
申请策略
- 提前了解淘宝闪购（即时零售/外卖）的业务逻辑与痛点，思考AI技术如何赋能商物流调度
- 准备好个人技术博客或开源项目链接，展示对技术的热情与持续探索的能力
- 重点突出在KDD、ACL、NIPS等顶级会议的论文发表记录，或RecSys Challenge、Kaggle等知名竞赛的获奖经历
- 详细阐述在大模型（LLM）、推荐系统或生成式AI领域的主导项目，强调技术难点与最终业务/学术收益
- 展示对Pytorch框架的底层理解及分布式训练优化经验，体现工程落地能力
- 深入学习生成式AI在搜推和调度领域的前沿论文，特别是LLM与运筹优化（MIP/VRP）结合的最新研究
- 提升分布式训练与推理优化的实操能力，熟悉GPU集群环境下的性能调优技巧
面试指南
- STAR法则：针对项目经历，清晰阐述情境(Situation)、任务(Task)、行动(Action)和结果(Result)，重点突出你的独立思考与技术创新
- 问题拆解法：针对复杂系统设计问题，先拆解业务目标与约束条件，再分层讨论算法设计、工程优化与AB实验验证方案
- 请详细介绍你发表的一篇顶会论文的核心创新点，以及它在实际场景中的潜在应用价值
- 在推荐系统或调度场景中，如何融合LLM的语义增强能力与传统运筹优化求解器？
- 面对亿级订单的实时调度需求，如何优化生成式模型的推理延迟与计算资源消耗？
- 请分享一个你在模糊需求或复杂约束下，独立寻找技术路径并成功落地的项目经历
- 复习并深入理解自己简历中的每一个技术细节，确保能应对面试官对底层原理的深挖
- 准备1-2个关于淘宝闪购业务场景的技术思考，展示你对业务的理解与“AI+业务”的复合视角
职位点评
薪资福利90
成长发展95
工作生活50
使命价值85
薪资福利
90较高
阿里星计划提供极具竞争力的薪酬，博士起薪及顶会论文加成使其薪资处于行业顶尖水平。
薪资信号偏高 (5千–8万/月)
成长发展
95较高
接触亿级订单量的真实商业场景与前沿生成式AI技术，有顶会论文要求，技术成长与学术发展空间极大。
技术前沿前沿/新兴技术
技术栈Pytorch、Transformer、LLM、强化学习、图神经网络、扩散模型
成长机会成长为复合型人才
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB，但作为核心业务线的顶尖技术岗，工作强度可能较大。
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
85较高
推动外卖行业迈向智能决策新时代，技术成果直接驱动万亿级市场，具有较高的行业影响力与技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动外卖行业迈向智能决策新时代
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs