天猫
业务技术-数据智能高级专家-杭州
业务技术-数据智能高级专家-杭州
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Agent开发
Llm微调
因果推断
多目标优化
强化学习
消费者画像
运筹优化
值不值得投
80综合评分
综合评分 80
高阶算法专家岗，技术栈前沿且极具挑战，发展成长空间大，薪资竞争力强。
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，方便横向比较。
薪资怎么样
8万
比算法优化工程师中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
57 个在招
市场机会
选择面较广
杭州 · 算法优化工程师 · 约 150 个在招
职位详情
关于这个职位
该职位负责设计全链路决策优化系统，主导多目标优化算法与因果推断框架的研发，推动 Agentic Workflow 落地
你需要结合商业敏锐度与深厚算法功底，解决高维决策空间的资源配置难题，驱动业务向用户生命周期价值最大化转型
最低要求
极强的商业敏锐度：能够将晦涩的算法逻辑（如边际效应递减、反事实推断）转化为业务方可理解的增长模型，具备推动跨部门共识的领导力
专业深度：计算机、运筹学、统计学或相关专业 PhD/硕士
在多目标优化、运筹优化（如强化学习决策）或高阶消费者行为研究领域有深厚积累，并在顶级会议（KDD, NeurIPS, IJCAI 等）有相关成果发表优先
复杂建模能力：具备处理极大规模分布式计算（Spark/Flink）下的复杂模型架构能力，有从0到1构建工业级决策引擎的成功经验
决策思维：深刻理解因果推断（Causal Inference）与机器学习的结合，能够跳出相关性陷阱，运用结构化思维诊断业务增长点
工程实践：精通 LLM 微调与 Agent 开发框架，具备将前沿科研结论转化为生产环境工程方案的闭环能力
工作职责
顶层架构规划：设计全链路决策优化系统，整合因果推断、多目标运筹优化与消费者研究，驱动业务从流量增长向用户生命周期价值最大化转型
决策引擎研发：主导多目标优化算法的设计与落地，平衡业务指标与约束条件（如预算），解决高维决策空间的资源配置难题
因果归因与实验设计：构建高鲁棒性的因果推断框架，解决营销干扰下的反事实归因难题，利用异质性因果效应模型（HTE）实现精准的资源配置与补贴优化
消费深度洞察：建立基于复杂行为序列的消费者画像体系，通过关联规则挖掘与长短时序建模，深刻理解瞬态与稳态消费的触发机制，形成业务增长的“感知地图”
技术影响力：推动“感知-认知-决策-执行”的 Agentic Workflow 落地，沉淀可复用的“技能库（Skill Set）”，提升团队整体工程效率
优先资格
在多目标优化、运筹优化（如强化学习决策）或高阶消费者行为研究领域有深厚积累，并在顶级会议（KDD, NeurIPS, IJCAI 等）有相关成果发表优先
AI 洞察
优缺点分析
优点
- 接触行业最前沿的决策优化与 Agent 技术，能极大提升个人在算法与工程结合领域的壁垒
- 依托海量真实业务场景，算法落地效果显著，容易产出高影响力的技术成果与顶会论文
- 岗位层级高，具备跨部门推动共识的领导力锻炼机会，商业与技术双修
- 需要在高维决策空间中平衡复杂的业务指标与约束条件，算法设计与业务理解的结合难度极大
- 适合具备深厚算法功底、有顶会发表背景，且渴望将前沿技术与复杂商业场景深度结合的高阶技术人才
缺点 / 挑战
- 推动 Agentic Workflow 等前沿技术落地属于从 0 到 1 的探索，面临较高的工程挑战与不确定性
角色解读
- 纵向可发展为数据智能领域的技术总监或首席科学家，引领底层算法架构演进
- 横向可向业务线技术负责人转型，利用极强的商业敏锐度驱动业务整体增长
- 设计全链路决策优化系统，主导多目标优化算法与因果推断框架的研发与落地
- 构建消费者画像体系，利用复杂行为序列和时序建模洞察消费触发机制
- 推动 Agentic Workflow 落地，将前沿 LLM 与 Agent 技术转化为生产环境工程方案
- 具备深厚的多目标优化、运筹优化及因果推断理论基础，有顶级会议论文发表经验
- 精通 Spark/Flink 等大规模分布式计算框架，能从 0 到 1 构建工业级决策引擎
- 熟练掌握 LLM 微调与 Agent 开发框架，具备将科研成果工程化落地的闭环能力
申请策略
- 提前了解当前的业务痛点（如用户生命周期价值最大化、营销补贴优化），准备针对性的算法解决思路
- 重点突出在多目标优化、因果推断或运筹优化领域的顶会论文（如 KDD、NeurIPS）及核心贡献
- 详细描述从 0 到 1 构建工业级决策引擎或复杂模型架构的成功案例，强调分布式计算（Spark/Flink）经验
- 展示将 LLM 微调或 Agent 技术应用于实际业务并提升工程效率的具体项目成果
- 深入学习 Agentic Workflow 及最新的 LLM Agent 开发框架，了解其在决策系统中的前沿应用
- 强化商业分析能力，学习如何将复杂的算法逻辑转化为业务方可理解的增长模型
面试指南
- STAR 法则：针对项目经验，清晰阐述背景（业务痛点）、任务（技术目标）、行动（算法设计与工程实现）、结果（业务收益与技术沉淀）
- 技术与业务结合：在回答算法问题时，始终强调算法如何转化为业务价值，展现商业敏锐度
- 请分享一个你主导的多目标优化或因果推断项目，你是如何平衡业务指标与约束条件的？
- 在营销干扰下，你是如何构建高鲁棒性的因果推断框架来解决反事实归因难题的？
- 请详细描述你从 0 到 1 构建工业级决策引擎的架构设计，以及如何利用 Spark/Flink 处理极大规模数据？
- 你如何看待 LLM 和 Agent 技术在决策优化系统中的应用？你有哪些实际的工程落地经验？
- 复习多目标优化、因果推断（特别是 HTE 模型）及强化学习的经典理论与最新顶会论文
- 梳理自己过往项目中的技术难点与解决方案，准备好应对关于分布式计算和 LLM 工程化的深度拷问
职位点评
薪资福利90
成长发展95
工作生活40
使命价值85
薪资福利
90较高
该岗位为高阶专家级别，薪资处于市场高位，整体薪酬福利极具竞争力。
薪资信号未披露（AI估算：6千–10万/月）
成长发展
95较高
岗位涉及前沿的 Agentic Workflow、LLM 微调及因果推断，技术栈极具前瞻性，且能推动技术影响力，成长空间巨大。
技术前沿前沿/新兴技术
技术栈多目标优化、因果推断、HTE、Spark、Flink、LLM微调、Agent开发、强化学习
成长机会技术影响力、沉淀可复用的技能库、提升团队整体工程效率
业务类型profit_center
工作生活
40较低
JD 未明确提及工作模式与 WLB 信号，无法准确判断工作强度与生活平衡情况。
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
85较高
通过算法优化驱动业务增长，提升消费者体验与资源配置效率，具有较高的商业价值与技术成就感。
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