阿里巴巴
算法工程师-AI搜索/推荐/广告
算法工程师-AI搜索/推荐/广告
发布于 大约 2 小时前普通员工/个人贡献者
北京市 / 杭州市
专家级经验
全职员工
仅现场办公
硕士
算法优化工程师
Ai Agent
Llm
Pytorch
Rag
Rlhf
Tensorflow
多模态大模型
AI 估算 · 40k–70k
职位详情
关于这个职位
作为阿里巴巴的算法工程师，你将专注于AI搜索、推荐和广告领域的前沿技术落地，包括Agentic Search、多模态大模型、RLHF对齐等
你将负责优化用户体验、提升商业转化，并构建智能体体系，推动搜推广架构向生成式演进
该职位要求深厚的机器学习基础和大模型实战经验，适合对技术创新有强烈热情的算法专家
最低要求
基础扎实：计算机/AI相关专业硕士及以上，机器学习/深度学习理论基础深厚
技术栈：精通 Python/C++ 及 PyTorch/TF，深入理解 Transformer，有 LLM 预训练/SFT/RLHF/RAG 实战经验者优先
业务经验：熟悉搜/推/广经典算法（召回/排序/相关性等），有大模型改造传统链路经验者极佳
前沿视野：对 AI Agent、Multi-modal LLM、Generative Retrieval 有深入研究，具备极强的工程落地能力与创新意识
工作职责
前沿技术落地：负责 Agentic Search/Reasoning、Deep Research 及多模态大模型在电商场景的应用
探索 RLHF/RLAIF 对齐技术，推动搜推广架构向生成式预估/召回演进，验证 Scaling Law 潜力
体验重构优化：深耕 Query 意图理解、语义检索及 UGC 内容生成
利用 LLM CoT 增强用户行为建模与偏好推理，提升搜推相关性、丰富度及匹配精准度
AIGC 商业提效：构建生成式内容生态（自动标题/卖点、文生图/视频、自动化投放），通过提升内容质量与生产效率，驱动用户体验与商业转化双增长
智能体体系构建：研发 AI Agent、Agentic RL 及多智能体协同技术，应用于智能导购、交互式搜推及复杂供需匹配，打造具备自主推理、动态规划及自进化能力的智能系统
AI 洞察
优缺点分析
优点
- 涉及前沿技术如Agentic Search、多模态大模型、RLHF，能保持技术领先性
- 薪资福利优厚，包括高额年终奖、股票期权等
- 团队氛围好，与顶尖算法专家共事，学习机会多
- 工作强度大，互联网大厂普遍存在加班文化，需要适应快节奏
- 技术迭代快，需要持续学习，保持竞争力
- 适合对AI技术有强烈热情、具备扎实算法基础、能承受高强度工作并追求技术突破的资深算法工程师
缺点 / 挑战
- 阿里巴巴作为行业巨头，提供广阔的平台和丰富的业务场景，技术挑战大，成长空间大
- 业务压力大，需要将技术转化为实际商业价值，结果导向
角色解读
- 技术专家路线：从算法工程师成长为技术专家，深入大模型和搜索推荐领域，成为团队技术带头人
- 管理路线：晋升为技术经理或总监，负责团队管理和项目规划，推动技术创新落地
- 跨领域发展：转向AI产品经理或解决方案架构师，利用技术背景推动业务创新
- 负责将前沿AI技术（如Agentic Search、多模态大模型）落地到电商搜索、推荐和广告场景，提升用户体验和商业转化
- 深入优化Query意图理解、语义检索和UGC内容生成，利用LLM增强用户行为建模，提升搜索推荐的精准度
- 构建AIGC内容生态，包括自动生成标题、卖点、图像和视频，并实现自动化投放，提高内容生产效率
- 研发AI Agent和智能体协同技术，应用于智能导购和交互式搜索推荐，打造具备自主推理和规划能力的系统
- 扎实的机器学习/深度学习理论基础，熟悉Transformer架构和主流大模型
- 精通Python或C++，熟练使用PyTorch或TensorFlow进行模型开发和训练
- 有LLM预训练、SFT、RLHF或RAG实战经验，了解大模型在搜索推荐中的应用
- 熟悉搜索、推荐、广告的经典算法，如召回、排序、相关性计算，并有实际改造经验
申请策略
- 了解阿里巴巴的业务布局和搜索推荐团队的技术方向，在面试中展现对业务的思考
- 准备一个完整的项目案例，从问题定义、技术方案到效果评估，体现解决问题的能力
- 突出大模型相关项目经验，如预训练、SFT、RLHF、RAG等，展示技术深度
- 强调搜索推荐广告领域的实际业务成果，如提升CTR、GMV等指标
- 展示工程落地能力，如大规模分布式训练、模型优化、线上部署等
- 如有AI Agent或多模态项目经验，务必重点描述
- 深入学习LLM最新技术，如Agentic Search、Deep Research，关注前沿论文
- 熟悉PyTorch和分布式训练框架，如DeepSpeed、Megatron
面试指南
- 使用STAR法则：情境、任务、行动、结果，清晰描述项目背景和你的贡献
- 强调技术深度和业务价值，说明技术如何解决业务痛点
- 展示创新思维，提出对前沿技术的独到见解
- 请介绍你在大模型应用方面的项目经验，如何解决实际业务问题？
- 如何将RLHF应用于搜索推荐场景？请描述技术方案
- 谈谈你对Agentic Search的理解，以及如何实现？
- 在推荐系统中，如何利用LLM提升相关性？
- 如何评估生成式内容对商业转化的影响？
职位点评
76
综合评分
技术前沿、薪资优厚，但工作强度大，适合技术驱动型人才。
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。
更适合这类人
适合追求技术成长、能接受高强度工作、对薪资和职业发展有较高期望的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
阿里巴巴提供具有竞争力的薪资和福利，包括高额年终奖、股票期权等，补偿性动机满足度较高。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该职位涉及前沿技术，如Agentic Search、多模态大模型、RLHF，技术成长空间巨大，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈Agentic Search、Deep Research、多模态大模型、RLHF、RLAIF、LLM、Generative Retrieval、AI Agent、Agentic RL
业务类型profit_center
工作生活
40较低
互联网大厂工作强度大，加班常见，工作地点在北京或杭州，通勤可能较长，生活化动机满足度较低。
工作模式仅现场办公
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
70中等
阿里巴巴在电商领域具有重要影响力，通过AI技术提升用户体验和商业效率，具有一定的社会价值，但主要驱动是商业利益。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs