淘天算法技术-多模态大语言模型算法工程师-杭州/北京

优缺点分析

角色解读

• 在技术深度上，可以深入大模型后训练、Agent 系统等前沿方向，成为多模态大模型领域的专家
• 在业务广度上，可以参与搜索、推荐、广告等核心业务，积累大规模业务落地经验，向技术负责人或业务负责人方向发展
• 在职业发展上，阿里巴巴提供完善的晋升通道，可向高级算法工程师、技术专家或管理岗位发展
• 负责大规模商品标签、类目属性及商品信息理解算法，解决商品分类、信息抽取、标签生成、知识补全和商品摘要等问题
• 探索大语言模型和多模态模型在商品理解中的应用，参与指令数据构建、监督微调、偏好优化、强化学习及模型评测等后训练工作
• 建设面向商品数据生产的 Agent 系统，研究复杂任务规划、工具调用、记忆、反思和多智能体协作等问题，推动数据生产从人工规则驱动向智能化、自迭代方向升级
• 与搜索、推荐、广告、大模型及商品发布等团队深度合作，参与业务问题定义，推动算法能力产生真实、可量化的业务价值
• 扎实的机器学习和深度学习基础，在自然语言处理、大语言模型或多模态模型中的至少一个方向有实际项目经验
• 熟练使用 Python 及主流深度学习框架，能够独立完成数据分析、模型训练、效果评测和工程落地
• 对大模型后训练、Agent、自动化数据生产或模型评测有浓厚兴趣，有相关研究或实践经验者优先
• 具备较强的问题抽象、快速学习和协作推进能力，愿意深入复杂业务，在真实数据和反馈中持续验证并迭代算法

申请策略

• 关注阿里巴巴的招聘流程，准备充分的技术面试
• 了解淘天集团业务方向，在面试中展示对商品理解场景的理解
• 突出大语言模型或多模态模型的实际项目经验，包括模型训练、微调、评测等
• 强调 Python 和深度学习框架的熟练程度，以及独立完成项目的能力
• 展示对 Agent 系统、强化学习或自动化数据生产的兴趣或实践
• 突出问题抽象和快速学习能力，以及协作推进能力
• 补充大模型后训练（如 RLHF、偏好优化）和 Agent 系统（如任务规划、工具调用）的相关知识
• 熟悉电商商品理解场景，了解商品分类、信息抽取等业务问题

面试指南

• 使用 STAR 法则（情境、任务、行动、结果）来回答项目经验问题，突出你的贡献和成果
• 对于技术方案问题，先明确问题定义，然后提出解决方案，并讨论权衡和优化
• 对于效果评估问题，从业务指标和技术指标两个维度来回答，并说明如何迭代优化
• 请介绍你在大语言模型或多模态模型方面的项目经验，如何解决过哪些问题？
• 如何设计一个商品标签生成系统？请描述你的技术方案
• 你对大模型后训练（如 RLHF）有什么理解？如何优化？
• 如何评估一个商品理解模型的效果？你会设计哪些指标？
• 请描述一个你使用 Agent 系统解决复杂任务的案例