阿里巴巴
淘宝闪购C端Agent研究与实践-阿里星
淘宝闪购C端Agent研究与实践-阿里星
发布于 大约 13 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llm
Marl
Pytorch
Rlhf
Tensorflow
Tensorrt
Vllm
Vlm
强化学习
值不值得投
75综合评分
综合评分 75
顶级平台、前沿技术、高薪酬，但工作强度大，适合追求技术突破的专家。
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
65K
与人工智能中位数基本持平
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 1730 个在招 · 其中人工智能 91 个
市场机会
选择面较广
杭州 · 人工智能 · 97 个在招
职位详情
关于这个职位
这是阿里巴巴淘宝闪购团队的核心算法研究岗位，专注于打造即时零售场景下的商业化AI Agent引擎
你将深入研究大模型驱动的自主智能体架构，探索规划、推理、工具调用、多Agent协作等前沿技术，并推动其在分钟达外卖场景中的落地
岗位要求极高，需要博士或优秀硕士学历，具备顶会论文或大型项目经验，是技术专家型人才的理想舞台
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/硕士及以上学历，熟悉推荐系统、运筹优化、强化学习、大模型应用等理论
扎实的工程与算法基础：精通Python/C++，熟练掌握PyTorch、TensorFlow等深度学习框架
有大模型（LLM/VLM）应用、Agent系统开发、强化学习（RL/MARL）、推荐系统、生成式AI等相关领域经验
有顶会论文或大型项目落地经验者优先
出色的研究能力：参与或主导过有代表性的技术开源项目或科研项目，或发表过顶级大模型/Agent相关领域论文，如ICML、NeurIPS、ICLR、KDD、WWW、ACL等高质量论文
快速学习与创新能力：对技术有强烈的好奇心，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探索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
团队协作与推动力：能够清晰表达技术思路，良好的沟通力与团队协作精神，推动跨部门合作及项目落地
工作职责
智能Agent技术探索：深入研究大模型驱动的自主智能体（Autonomous Agent）架构，探索规划、推理、工具调用、多Agent协作等核心技术在闪购场景中的创新应用，参与构建面向即时零售的Agent操作系统与智能体框架
大模型与业务融合：探索LLM/VLM在淘宝闪购业务场景中的深度应用，通过语义理解、多模态感知、知识增强等方式提升算法的业务适配性与可解释性
设计基于大模型的智能调度、供需预测、动态定价、智能客服等创新方案
融合RLHF、MARL、Prompt Engineering等技术，推动模型在闪购履约、营销、服务链路中的精准决策与持续进化
高效优化与落地：能够基于TensorRT、vLLM、量化压缩等推理加速技术，提升Agent系统的实时响应与并发处理能力
面向末端配送、商家运营、用户体验等核心场景，结合企业级场景解决序列决策、资源分配、异常处理等问题，推动算法在淘宝闪购业务中的规模化落地
团队协作与共创：与工程、数据、产品团队紧密合作，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，驱动即时零售业务的智能化升级
AI 洞察
优缺点分析
优点
- 平台优势：阿里巴巴是行业巨头，淘宝闪购是核心业务，拥有海量数据和丰富业务场景，为算法研究提供绝佳土壤
- 技术前沿：岗位聚焦大模型、Agent等前沿技术，有机会参与定义行业技术标准
- 薪酬竞争力：作为核心算法岗位，薪酬和福利在行业内极具竞争力
- 个人成长：与顶尖技术人才共事，能快速提升技术视野和解决复杂问题的能力
- 技术难度高：岗位对算法深度和工程能力要求极高，需要持续学习和创新
- 适合对前沿技术有强烈热情、具备扎实算法功底和优秀研究能力，渴望在即时零售领域做出突破性贡献的资深算法专家
缺点 / 挑战
- 工作强度大：作为核心业务部门，工作节奏快，可能需要应对高强度的开发和迭代压力
- 业务压力：算法效果与业务指标直接挂钩，需要承担较大的业务结果压力
角色解读
- 技术专家路线：在AI Agent、大模型应用等前沿领域深耕，成为技术领军人物
- 业务架构师路线：深入理解即时零售业务，成长为能够设计复杂系统架构的资深专家
- 管理路线：在技术和管理能力兼备后，可向技术团队负责人或技术总监方向发展
- 研究并构建大模型驱动的自主智能体（Agent）架构，探索其在即时零售场景下的规划、推理、工具调用等核心能力
- 将LLM/VLM技术与淘宝闪购业务深度融合，设计智能调度、动态定价、智能客服等创新算法方案，提升业务效率
- 负责Agent系统的推理加速与性能优化，利用TensorRT、vLLM等技术确保系统在千万级订单场景下的实时响应
- 与工程、产品团队紧密协作，通过AB实验验证算法效果，推动技术方案在核心业务场景中的规模化落地
- 精通Python/C++，熟练掌握PyTorch、TensorFlow等主流深度学习框架
- 具备扎实的LLM/VLM应用、Agent系统开发或强化学习（RL/MARL）经验
- 对推荐系统、运筹优化、生成式AI等有深入理解，并能将其应用于实际业务
- 有顶会论文（如ICML、NeurIPS、ICLR）或大型开源项目经历，具备独立研究和解决复杂问题的能力
申请策略
- 在面试中充分展示对即时零售业务的理解，以及如何将技术应用于业务场景的思考
- 了解阿里巴巴的技术文化和价值观，在面试中体现与团队契合的协作精神
- 突出大模型、Agent、强化学习等领域的项目经验，特别是与业务结合的落地案例
- 重点展示顶会论文、开源项目或大型项目的成果，体现研究和工程能力
- 强调使用PyTorch、TensorFlow等框架的实践经验，以及处理复杂业务场景的能力
- 在简历中体现对即时零售、电商等业务的理解，展示业务敏感度
- 深入学习大模型Agent的最新研究，如AutoGPT、MetaGPT等框架，并尝试复现
- 补充强化学习、多智能体系统（MARL）的理论知识，并动手实践相关项目
面试指南
- 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出个人贡献和量化成果
- 回答系统设计问题时，先明确业务目标和约束，再给出技术方案，并分析其优缺点
- 回答开放性问题时，展现你的逻辑性和创新性，结合业务场景进行思考
- 请详细介绍一下你过去主导的大模型或Agent项目，包括技术选型、架构设计和落地效果
- 如何设计一个基于LLM的智能调度系统，以应对即时零售场景下的动态供需变化？
- 在构建多Agent协作系统时，你如何解决Agent之间的通信、冲突和任务分配问题？
- 如何评估一个Agent系统在业务场景中的效果？你会设计哪些核心指标？
- 你如何看待大模型在即时零售领域的未来发展趋势？
职位点评
薪资福利75
成长发展95
工作生活45
使命价值80
薪资福利
75中等
阿里巴巴作为上市公司，薪酬福利在行业内具有竞争力，但该岗位未明确薪资范围，具体薪酬需面议。
薪资信号面议 (50K-80K/月)
成长发展
95较高
该岗位处于大模型与Agent技术前沿，提供顶级技术挑战和成长空间，是技术专家快速成长的绝佳平台。
技术前沿前沿/新兴技术
技术栈LLM、VLM、Autonomous Agent、RLHF、MARL、TensorRT、vLLM
业务类型profit_center
工作生活
45较低
岗位要求现场办公，且作为核心业务团队，工作强度可能较高，生活与工作平衡的挑战较大。
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
80较高
岗位致力于推动即时零售行业的智能化升级，具有较高的社会价值和行业影响力，能够带来较强的使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号共创即时商业的下一个里程碑
创新程度开拓性创新（行业首创）
Watch Jobs