天猫
淘天算法技术-推荐算法工程师-杭州
淘天算法技术-推荐算法工程师-杭州
发布于 大约 5 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
Aigc
Diffusion
Pytorch
Tensorflow
因果推断
多模态
推荐系统
深度学习
用户增长
值不值得投
75综合评分
综合评分 75
前沿技术栈、业务价值高、平台实力强，但工作强度未知，适合追求技术突破的资深算法工程师。
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
55K
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 300 个在招 · 其中推荐系统 10 个
市场机会
选择不多
杭州 · 推荐系统 · 2 个在招
职位详情
关于这个职位
这是一个在阿里巴巴大消费生态中，专注于88VIP高净值会员增长的核心算法岗位
你将负责利用Agent、AIGC等前沿技术，智能生成并个性化推荐会员权益素材，并设计推理式推荐链路，以提升会员触达与转化
团队技术氛围浓厚，有顶会论文发表和高校合作机会，技术挑战性强
最低要求
计算机、数学、人工智能等相关专业硕士及以上学历，3年以上算法研发经验，有Agent应用、AIGC素材生成或内容/素材推荐经验者优先
具备良好的代码实现能力，熟练使用至少一种开源深度学习框架（如PyTorch、TensorFlow）
精通深度学习、生成式推荐技术，熟悉Agent工作流编排、Diffusion图文生成、素材表征学习、推理式推荐，具备AIGC素材生成或数据反馈闭环落地经验
具有良好的逻辑分析与问题拆解能力，能快速学习前沿技术，并推动技术方案与业务场景的深度融合
对电商、社交或内容推荐场景有深刻理解，熟悉会员营销、素材创意与用户增长策略，能快速将技术方案转化为业务价值
工作职责
负责88VIP会员权益素材的智能生成算法，基于Agent工作流编排与线上数据反馈闭环，实现文案/图片/异构创意素材生成，通过效果数据回流持续迭代优化生成策略，提升素材供给效率与个性化水平
设计并落地基于推理与素材表征的素材-权益-用户联合推荐链路，构建素材多模态表征、推理式召回排序能力，实现素材千人千面精准分发，提升会员权益触达与转化核心指标
参与权益素材生成与推荐系统全链路的算法设计和实现，解决Agent编排、数据反馈闭环、素材表征学习、推理式推荐与因果归因等核心问题，持续优化模型链路准度和在线效果
AI 洞察
优缺点分析
优点
- 技术前沿性极强，深度结合Agent、AIGC和推理式推荐，是当前AI领域最热门的方向，个人技术成长空间大
- 业务价值高，直接服务于88VIP核心高净值用户，对阿里巴巴大消费生态有重要影响，工作成就感强
- 团队实力雄厚，有顶会论文发表和高校合作项目，技术氛围好，交流机会多，有利于个人长期发展
- 平台优势明显，作为行业巨头，能接触到海量数据和复杂业务场景，履历含金量高
- 工作节奏可能较快，作为核心业务部门，需要适应快速迭代和持续优化的高强度工作模式
- 适合对AIGC、Agent等前沿技术有强烈热情，具备扎实算法功底和优秀问题解决能力，希望在电商核心业务场景中实现技术价值的资深算法工程师
缺点 / 挑战
- 技术挑战性强，需要同时掌握Agent、AIGC、推荐系统等多个复杂领域，对学习能力和技术深度要求高
- 业务目标导向明确，需要快速将前沿技术转化为实际的业务指标提升，可能面临较大的绩效压力
角色解读
- 在技术深度上，可以成长为AIGC、Agent、推荐系统等领域的专家，主导核心算法方向的演进
- 在业务影响力上，可以深入理解高价值会员运营，成为连接技术与业务增长的关键角色，向技术Leader或产品专家方向发展
- 依托团队顶会论文和高校合作资源，可以持续保持学术前沿性，在行业内建立个人技术影响力
- 负责88VIP会员权益素材的智能生成，利用Agent工作流和AIGC技术自动生成文案、图片等创意内容，并通过线上数据反馈持续优化生成策略
- 设计并落地素材-权益-用户的联合推荐链路，构建素材的多模态表征和推理式召回排序能力，实现素材的个性化精准分发
- 参与推荐系统全链路的算法设计与实现，解决Agent编排、数据反馈闭环、素材表征学习、推理式推荐与因果归因等核心算法问题
- 扎实的深度学习基础，精通PyTorch或TensorFlow等主流框架，具备优秀的代码实现能力
- 深入理解生成式推荐、Diffusion模型、Agent工作流编排、素材表征学习等前沿技术
- 具备AIGC素材生成或数据反馈闭环的实际落地经验，能够将算法方案转化为业务价值
- 对电商、社交或内容推荐场景有深刻理解，熟悉会员营销和用户增长策略
申请策略
- 在申请前，深入了解88VIP业务和团队的技术博客、论文，以便在面试中展现对业务的深刻理解
- 准备1-2个最能体现你技术深度和业务思维的完整项目案例，详细阐述从问题定义、方案设计到落地优化的全过程
- 重点突出AIGC素材生成、Agent应用或推荐系统的实际项目经验，特别是包含数据反馈闭环的完整落地案例
- 详细描述在Diffusion模型、素材表征学习、推理式推荐等方向的技术积累和项目成果，最好有量化指标
- 强调顶会论文、专利或开源项目等学术成果，体现技术深度和创新能力
- 展示对电商、会员营销或用户增长业务的理解，说明如何将技术方案转化为业务价值
- 系统梳理Agent工作流编排、Diffusion模型、多模态表征学习等前沿技术，并尝试在开源项目或个人项目中实践
- 深入学习推荐系统的最新进展，特别是生成式推荐和推理式推荐，了解业界领先的解决方案
面试指南
- 回答项目经验时，采用STAR法则（情境-任务-行动-结果），清晰阐述项目背景、你的具体职责、采用的技术方案和可量化的成果
- 回答技术设计问题时，先明确问题定义和约束条件，然后从整体架构到关键模块逐步展开，最后讨论可能的优化方向和潜在风险
- 回答业务结合问题时，强调技术如何服务于业务目标，用具体指标（如转化率、点击率）来证明技术方案的价值
- 请详细介绍一下你过去负责的AIGC素材生成或推荐系统项目，包括技术选型、模型架构、遇到的挑战和最终效果
- 如何设计一个基于Agent工作流的素材生成系统，并实现线上数据反馈闭环来持续优化生成策略？
- 谈谈你对推理式推荐的理解，它与传统推荐方法有何不同？如何将其应用于素材推荐场景？
- 在素材-权益-用户的联合推荐链路中，如何构建素材的多模态表征？如何解决冷启动问题？
- 如何评估一个素材生成和推荐算法的效果？你会关注哪些核心指标？如何做因果归因？
职位点评
薪资福利75
成长发展95
工作生活50
使命价值70
薪资福利
75中等
该职位未披露具体薪资，但作为行业巨头核心业务的高级算法岗，通常提供具有竞争力的薪酬福利。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该职位是技术发展性极强的岗位，深度涉及Agent、AIGC、推理式推荐等前沿领域，团队有顶会论文和高校合作，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Agent、AIGC、Diffusion、推理式推荐、多模态表征、因果推断、深度学习
成长机会持续发表顶会论文、高校AIR项目合作课题、技术团队内外交流机会丰富、深度参与行业课题探索
业务类型profit_center
工作生活
50较低
职位描述未提及工作模式、加班情况等生活化信息，无法判断。作为核心业务算法岗，通常需要现场办公。
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
70中等
该职位服务于阿里巴巴核心的高净值会员业务，对用户增长和消费体验有直接影响，业务价值明确，但社会价值属性一般。
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