阿里巴巴淘天算法技术-生成式推荐/大模型应用算法专家-杭州
任职要求
1. 自然语言处理、人工智能、机器学习、计算机等相关专业硕士及以上学历。 2. 3年以上算法研发经验，熟悉Dense/MoE语言大模型、多模态大模型、推理大模型、agent相关原理，能紧跟最新技术进展。 3. 具备LLM/MLLM实操经验，熟练使用llama-factory、verl、roll、m…
工作职责
1. 负责设计和落地Session实时意图感知的AI导购方案，包括但不限于用户多模态异构行为序列的意图分析能力、推理能力、大模型在线推理加速能力，实现不同需求状态下的最优决策学习，提升大模型推词体验和效率。 2. 深入理解电商用户需求，负责通过定义分类目决策属性、构建多模态商品理解知识库、建设个性化AI对比总结能力等方式，提升用户在实际购物过程中多商品对比挑选决策效率，打造标品和非标品下的购物指南体验。 3. 持续跟进LLM/MLLM方向的前沿进展，将各方向的SOTA能力集成到模型底座上，提升下游任务效果，打造团队的技术先进性。
1、探索大模型与推荐算法结合的下一代推荐系统技术，充分利用大模型的领域知识和学习范式为推荐系统注入新的能量，包括但不限于文本/ID生成式推荐、模型Scaling Law、用户超长序列端到端建模等； 2、探索视频、文本和语音等多模态信号的高效处理方式以及与推荐系统对齐的能力，让推荐系统看懂、听懂和理解世界； 3、混合专家、蒸馏剪枝等兼顾模型性能和效果的技术探索； 4、紧跟行业及大模型技术发展，结合业界前沿技术和业务需求，打造大模型应用的最佳实践。
“我们正在构建下一代智能推荐引擎，重新定义人货场的数字化连接方式”，如果你对推荐算法创新充满热情，渴望用技术驱动万亿级市场的供需匹配效率，这里将是你施展才华的舞台。团队汇聚了搜索推荐、运筹优化、图计算等领域的顶尖人才，加入我们，见证技术如何重塑商业未来。 1.基于多源异构数据（搜索/点击/交易/内容），借助LLM挖掘用户显性需求与潜在意图的关联关系，构建用户需求图谱； 2.融合商品知识图谱与实时场景特征，构建跨品类、跨渠道的智能组货策略，实现"人-货-场景"的高效匹配； 3.设计多目标协同优化框架，探索生成式推荐新技术，平衡用户体验、商家效率与平台增长目标，建立可持续的推荐生态。
所在团队负责阿里国际贸易平台上的所有推荐产品，包括猜你喜欢、详情页推荐、个性化楼层等。团队通过大数据和深度学习建模，帮助平台上买卖家快速达成生意。来到这里，你将有机会深度接触到业界的计算平台和深度学习算法，并将算法技术转化为商业价值。具体地，你将有机会负责： 1. 用户画像、召回、排序和策略等模块的技术规划和算法设计，通过技术创新提升买卖家匹配效率。 2. 通过大规模深度学习和图学习，在面对数据稀疏和多国家多行业的情况下对用户实时兴趣、CTR预估、询盘和交易转化预估等问题建模。 3. 通过多样性和发现性策略，拓展用户需求，提升兴趣发现能力，进一步完善和提升推荐侧的产品价值。 4. 探索大语言模型+搜推的创新应用方向，LLM在推荐领域下的全链路建设，包括但不限于大规模的预训练、SFT、LoRA和RLHFL等技术，落地大语言模型+搜推的新的应用落地场景（如生成式推荐等）。
业内研究表明，生成式的推荐系统存在Scaling Law现象，Scaling Law的出现相较于现有推荐系统无法通过扩充持续提升效果的现象，提出了新的可能性。该团队负责小红书生成式推荐方向，目前已经完成了原型架构的开发和线上验证，欢迎业内在推荐/广告/搜索等领域的专家一起，共同探索生成式推荐在真实业务场景的价值。 【职位描述】 1、负责生成式推荐在小红书社区推荐&展示广告场景的研发； 2、在生成式架构下，重新思考传统推荐架构中的行为建模技术（如超长序列、多兴趣等），并在召回/排序等场景中进行应用； 3、与MLLM和架构团队配合，将其他生成式模型的知识和能力迁移进实时的生成式推荐架构中；