阿里巴巴淘天算法技术-算法工程师（流量机制）-杭州

1. 负责淘宝核心推荐场景（首猜&购中后&tab2等) 的核心机制策略设计与优化，包括但不限于重混排模型，用户兴趣理解，个性化体验策略，冷启动技术，内容生态等全链路策略，提升推荐精准度与用户满意度和帮助商家创作者成长。 2. 探索大模型在推荐场景的落地应用，如基于大模型的用户兴趣理解，用户体验评估，AI选品，大模型潜力预估，大模型重构粗召精重混排模型等推动推荐技术的前沿突破。 3. 与产品、数据、工程团队紧密协作，将策略方案转化为可落地的技术方案，通过AB实验验证效果并持续迭代。 4. 跟踪推荐领域前沿技术与行业动态，结合业务场景进行创新探索，沉淀技术方法论与工具，提升团队算法能力。

1、负责1688整体流量策略设计，包括策略设计、实验设计和数据分析，对搜索流量的商业价值负责； 2、有用户视角，能够不断挖掘机会点持续优化用户体验，理解电商业务思路和流量变化趋势并设计敏捷、有效的流量变现方案，实现商业化收入增长和用户体验保护的平衡； 3、和算法工程师合作，优化流量分发框架，通过实验策略设计、数据分析、链路分析等方式，持续挖掘优化机会，并推动研发等关键合作方达成目标。 4、协调多团队合作，结果导向推动项目成功。

团队介绍 淘宝搜索是阿里巴巴亿级用户交易的核心引擎，也是全球电商领域技术创新的风向标。在这里，你将： 1、深度参与大模型与电商搜索的全场景融合：从LLM、多模态大模型（MLLM）到强化学习（RL），探索技术无人区。 2、定义电商搜索的技术范式：推动SKU引擎、超大规模索引、用户意图理解等技术的突破。 3、打造亿级用户产品：你的代码将直接影响数亿消费者的购物体验与千亿级GMV的达成。 核心方向：大模型驱动的电商搜索革命 1. 负责淘宝搜索算法的设计与优化，针对新品引入、下沉市场用户行为及流量分发机制，提升搜索用户体验与商业价值； 2. 研究并实现用户画像建模、搜索排序策略及细分场景（如长尾商品、低线城市用户）的精细化推荐算法，优化点击率与转化率； 3. 参与搜索流量机制的建模与迭代，结合大数据分析与机器学习技术，推动搜索系统效率指标提升； 4. 冷启和下沉人群模型构建，包括但不限于生成式召回/LLM4ranking 等。 5. 跨产品、数据、工程多团队协作，通过完备的实验验证算法效果，并推动技术方案在生产环境的落地与持续迭代。

负责淘宝搜索供给与机制算法，通过设计合理流量机制策略，建立商家、平台和消费者三赢的商业体系。方向包括但不限于： 1. 运营动作预估：通过因果推断、反事实预估等能力，优化诊断反馈模型的准确性，与流量机制结合，达成用户价值和商家经营确定性的双赢。技术包括因果推断、uplift预估、组合优化、MLLM等； 2. 供给诊断：通过设计合适的流量机制、静态商品理解等方式，客观评估商品效率，构建从价格、图文、服务、销评等商品理解体系； 3. 商品运营agent：从平台视角建立商品全生命周期的运营计划建议，简化商家运营成本，达成双赢，技术包括定价、大模型Agents等。