阿里巴巴数字零售技术部-高级算法工程师/专家（供应链算法）-杭州
任职要求
1. 985院校或海外名校的运筹学、机器学习、深度学习、强化学习、自然语言处理、图像识别或应用数学等相关专业的硕士或博士学历 2. 熟悉Java，C++，Perl，Python等一种或一种以上编程语言 3. 具备业务抽象和建模能力，能够将复杂的业务场景分解、抽象成标准化的业务模…
工作职责
阿里巴巴国际商业数字供应链算法团队专门负责阿里巴巴海外零售供应链的建设和优化工作，业务覆盖全球，支持了千亿级别的零售行业、以及数以亿计的商品。我们支撑了阿里巴巴国际商业零售供应链行业的智能决策体系，我们的核心职责是保障供应链效率、降低供应链成本，同时提升零售行业的经营决策效率，提升广大消费者的购物和服务体验。 我们的工作涉及到国际商业数字零售供应链的方方面面，充满了趣味和挑战。在这里，你将和我们一起，采用大数据技术、人工智能算法、仿真技术等持续解决商业活动中的现实问题，不断创造价值，重塑整个海外零售商业体系，为社会带来更加美好的生活！在这里，您将与优秀的团队、先进的供应链算法技术和激动人心的供应链优化机会紧密合作，共同解决商业活动中的供应链问题，不断创造价值。让我们携手共创海外商业数字供应链的未来！ 我们的具体工作内容如下： 1. 基于阿里国际数字商业的大数据，负责分析和挖掘新零售端到端的供应链运作优化机会，并研发和构建预测、优化和仿真算法提升其运作效率和降低成本。 2. 承担国际数字商业供应链场景中机器学习、深度学习、强化学习、运筹优化、仿真优化和大语言模型等算法的研发、设计和部署等工作，打造国际数字商业的智能供应链算法平台。 3. 承担数据化运营的数据分析和算法设计工作，通过采集业务信息以及应用海量数据，进行数据化的分析处理，为数据化运营提供决策支持。 4. 负责追踪人工智能方向的前沿算法和技术，并将相关算法应用到阿里新零售供应链业务场景中，升级供应链智能化水平。
依托阿里巴巴集团强大的技术生态，基于菜乌深耕多年的物流供应链产品技术中后台，搭建具备跨境出口业务特色的小包裹物流履约产品技术体系。 通过对接全链路各环节的物流资源，搭建C2G全球网络。基于信息流高效协同“揽收、调拨、集运、组包、配舱、清关、卡班运输、未端派送、逆向退回等”各物流环节，提供“优先、标准、简易、经济等”各样时效等级的物流产品与解决方案，完成前台电商供应链的物流需求履约。 通过工程、数据、算法的结合，对包裹可达计算、线路路由、订单分配、大包配舱、时效预测、异常管理等环节进行辅助与优化，助力提供具备一定成本、时效优势，服务稳定的物流服务。 1、针对跨境物流的计划场景，做单量中长期预测、包裹全链路时效预测等预测算法，制定合理、有效并具有一定创新性的技术解决方案。 2、深入理解业务特性，参与大数据分析和挖掘，与业务方做深度的交流与协同。将算法应用到实际场景，解决复杂业务问题。 3、持续优化预测算法效果，保障在日常以及大促期间的业务使用体感，适应业务的快速发展和变化。 4、在基础技术之外，跟踪业界最新算法趋势，尝试大模型等新型AI技术在预测算法中的应用，确保技术领先进性。
AliExpress广告算法团队负责搜索推荐广告的召回、排序优化 1. 设计和优化推荐广告业务下排序模型和后链路重排等，提高用户体验和业务效果 2. 利用最新的LTR、多任务学习、多模态技术、超长序列建模和图神经网络等技术在相关领域的进行应用和创新 3. 探索大模型在电商推荐领域排序方向的应用 4. 深入理解用户行为和业务特点，分析业务增长点，推动业务进展并落地 5. 持续跟踪业界最新算法趋势，推动整体系统的创新和升级
# 关于我们 我们正在构建面向全球物流网络的 AI Agent 自动决策大脑。通过大模型（LLM）、智能体协同与自动化推理，让系统具备“感知-思考-行动-学习”的闭环能力，驱动“服务采购、干线运营、分单决策、全链路调度、端到端监控、成本分析优化”等核心业务系统的全面智能化，实现资源规划、智能分单、运力调度、异常自愈等关键功能。这是一个将前沿 AI 技术与真实商业场景深度结合的创新战场，是每天影响数百万包裹命运的生产系统。 # 主要工作内容 ● 设计并实现基于 LLM 的 AI Agent 架构，支持任务分解、工具调用、多智能体协同与反馈学习； ● 开发智能决策引擎，将业务规则、实时数据流与大模型能力深度融合，构建可解释、可干预的自动化系统； ● 主导 Agent Workflow 编排系统建设，优化 Prompt Engineering 策略，提升模型在物流垂直场景的准确性与鲁棒性； ● 推动 AI 能力与后端工程系统的无缝集成，确保高可用、低延迟、可监控的服务体验； ● 探索 RAG、Function Calling、Memory 机制等前沿技术在物流调度中的落地路径。
1、负责搜索推荐系统的算法设计与优化，提升用户搜索和推荐的精准度与满意度。 2、研究和应用深度学习、强化学习、大模型等技术，优化算法包括但不限于，个性化召回&排序算法、全链路策略机制算法、Query理解和商品相关性优化。 3、参与系统架构设计，确保算法在大规模数据和搜推多场景下有效。 4、与产品和数据团队紧密合作，通过数据驱动优化业务策略和算法模型，解决关键业务问题，提升用户转化和留存。 5、跟踪业界最新技术动态，推动搜推技术的创新和应用。