阿里巴巴
阿里国际智能技术-淘海外大模型算法-日常实习生
阿里国际智能技术-淘海外大模型算法-日常实习生
发布于 3 小时前实习/见习
实习生仅现场办公算法优化工程师
算法优化工程师
Llm
Rlhf
Sft
大模型算法
强化学习
推荐算法
搜索算法
生成式Ai
自然语言处理
值不值得投
76综合评分
综合评分 76
阿里国际核心算法团队实习，前沿大模型技术栈，技术成长价值极高，WLB未明确。
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
6千
比算法优化工程师中位数低
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 3140 个在招 · 其中算法优化工程师 约 120 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 约 140 个在招
职位详情
关于这个职位
该职位是阿里国际数字商业集团天猫淘宝海外算法团队的日常实习生，主要参与跨境电商搜索、推荐与用户增长方向的大模型算法研发
你将探索生成式召回、基于LLM的个性化推荐及用户权益建模等前沿技术，助力平台业务增长
最低要求
计算机科学或相关领域的硕士及以上学历，有扎实的算法和数据结构基础;
对大模型算法，搜推广算法，自然语言处理有相关项目经验，对其中某一领域算法有深入的研究和应用
逻辑思维清晰，学习能力强，对新事物保有好奇心，并能快速适应新环境
良好的沟通能力和团队协同能力
能与他人合作，共同完成目标
遇事沉稳，不急不躁，心理素质过硬，有担当、有韧性，表达能力强
工作职责
面向下一代跨境电商搜索、推荐与用增技术，深入参与以下三个方向相关项目的技术研发探索：
【1】搜索方向：
探索生成式召回技术: 包括语义SID编码与解码优化、强化学习用户偏好对齐、多目标联合建模优化等内容
探索生成式排序预估模型: 包括大规模生成式排序预估模型的多维度scaling优化、训练范式优化、在离线性能加速优化
【2】推荐方向
探索基于LLM的个性化生成式推荐：包括「重 + 轻大模型」协同范式、多兴趣建模、超长行为序列建模，Target-Item驱动建模等内容
探索推荐场域下的生成式排序预估模型：包括面向主商品引导的触发式推荐、序列建模、多意图建模、推荐相关性约束建模等内容
【3】用户增长方向
用户权益敏感度统一建模：面向海外多站点差异化的用户权益敏感度建模
用户面额个性化模型：面向多 treatment 的增益预估建模，将单 treatment 扩展为多 treatment 架构，通过门控网络融合红包、互动玩法奖励、运费券等多类权益信息
优先资格
有实际成果并发表在国际顶级会议/期刊(CCF-A)者优先，在相关竞赛中取得优异成绩者优先
有生成式大模型SFT/RLHF训练相关经验者优先
AI 洞察
优缺点分析
优点
- 接触大模型、生成式AI等前沿技术，技术栈极具前瞻性与竞争力
- 团队定位高水平，有机会参与下一代跨境电商核心技术的探索与落地
- 业务场景复杂，海外多站点差异化大，模型落地与性能优化难度高
- 对候选人的理论基础与工程落地能力要求极高，需要快速学习并适应新技术
- 适合对大模型和搜推广算法有浓厚兴趣，具备扎实理论基础且渴望在跨境电商AI领域深耕的硕士及以上在校生
缺点 / 挑战
- 依托庞大的跨境电商业务场景，能接触海量数据与真实的业务挑战
角色解读
- 从算法实习生成长为搜推广或大模型领域的算法专家
- 未来可向跨境电商核心算法架构师或AI技术负责人方向发展
- 参与跨境电商搜索、推荐与用户增长方向的大模型算法研发
- 探索生成式召回、基于LLM的个性化推荐及用户权益敏感度建模等前沿技术
- 优化大规模生成式排序预估模型，提升在离线性能与业务指标
- 扎实的算法与数据结构基础，精通大模型、搜推广或NLP某一领域的算法
- 具备生成式大模型SFT/RLHF训练经验或顶会论文发表经历者优先
- 具备良好的逻辑思维、快速学习能力与团队协同沟通能力
申请策略
- 了解阿里国际数字商业集团（AIDC）的海外业务布局及天猫淘宝海外的核心产品形态，思考大模型在其中的应用场景
- 突出在大模型、NLP或搜推广算法方向的项目经验与研究成果
- 重点展示CCF-A论文、竞赛奖项或大模型SFT/RLHF的实际落地经验
- 量化项目成果，如模型性能提升比例、业务指标增长等
- 深入学习生成式召回、LLM协同范式及强化学习用户偏好对齐等前沿技术
- 提升大规模模型训练与在离线性能加速优化的工程能力
面试指南
- 采用STAR法则描述项目：情境（业务背景）、任务（技术目标）、行动（具体算法设计与优化策略）、结果（业务指标提升或论文发表）
- 对于算法设计问题，从问题定义、模型选型、Loss设计、工程优化到离线/在线评估进行系统性回答
- 请详细介绍你在大模型SFT/RLHF或搜推广算法中的一个核心项目，遇到了什么挑战及如何解决？
- 针对生成式召回技术，你认为语义SID编码与解码优化的核心难点是什么？
- 如何设计一个面向海外多站点差异化的用户权益敏感度统一模型？
- 在推荐场域下，如何平衡基于LLM的生成式推荐与传统的序列建模？
- 复习大模型训练（SFT/RLHF）、强化学习及推荐系统经典与前沿论文（如生成式召回、LLM推荐）
- 准备1-2个自己主导的、有深度的算法项目，能够讲透细节与思考过程
职位点评
薪资福利70
成长发展95
工作生活50
使命价值80
薪资福利
70中等
作为日常实习生，薪资按日薪折算，处于行业中等偏上水平，但无法享受正式员工的完整福利体系与长期激励。
薪资信号未披露（AI估算：4–8千/月）
成长发展
95较高
团队专注于大模型与生成式AI在跨境电商的应用，技术栈极其前沿，对个人技术成长与学术/工业界发展有巨大帮助。
技术前沿前沿/新兴技术
技术栈大模型、生成式AI、LLM、SFT、RLHF、强化学习、生成式召回、NLP
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与工时安排，日常实习生的工作节奏与WLB情况需视具体团队与项目阶段而定。
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
80较高
参与天猫淘宝海外业务，助力跨境电商平台在全球市场的增长，具有较高的商业价值与出海探索意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs