阿里巴巴业务技术-大模型算法工程师-物流技术
任职要求
1. 自然语言处理、机器学习、人工智能、计算机、电子与通信等相关专业的硕士生/博士生； 2. 熟悉LLM/MLLM的基本原理和相关算法，具备良好的逻辑分析能力和数理基础，在顶会（如NeurIPS、ICLR、ICML等）或期刊上有论文发表者优先； 3. 熟练掌握P…
工作职责
1. 负责大模型（LLM/MLLM）核心技术研发，包括预训练、垂域SFT、RLHF等，持续追踪和应用领域最新技术进展； 2. 负责大模型性能优化：研发模型加速技术，如量化、剪枝与知识蒸馏；优化数据特征与调度策略；构建高效推理链路、提升运行速度及降低成本； 3. 基于淘天物流领域知识，打造物流垂域agent，支撑toB、toC等多场景应用，包括但不限于 退货助手、淘宝万能搜（物流场景）、闪购供应链agent等 4. 持续跟踪、探索大模型/多模态大模型方向的前沿技术，将各方向的SOTA能力集成到模型底座上，提升下游任务的效果，打造团队的技术先进性。
1. 参与淘天物流全链路智能化质控体系构建，打造通用物流质控AI Agent，持续提升订单履约质量与消费者体验； 2. 基于淘天海量数据，深入分析物流全链路异常与对抗行为（如虚假发货、轨迹伪造、黑灰产等），识别关键问题与治理机会； 3. 设计并实现物流场景下的机器学习、深度学习及多模态质控算法，针对典型异常模式开发高精度识别算法与治理方案； 4. 构建高质量、多模态物流质控数据体系，融合文本、图像、语音、行为序列及时空轨迹等多源异构数据，为模型提供可靠的数据基础； 5. 研发物流场景下的智能质控基座大模型，通过领域自适应预训练与精细化微调，提升大模型对物流异常模式与对抗行为的深度理解能力。
1、参与淘天物流全域数据体系的规划与建设，构建高一致性、高复用的实时与离线融合数据资产底座，打造统一、可靠、可产品化的数据服务能力； 2、面向AI原生时代，设计并落地面向大模型与智能Agent消费的数据资产与知识库体系，重构数据的组织、语义表达与服务方式，支撑AI系统的高效理解、推理与决策； 3、深度洞察物流业务场景，探索大数据与AI融合的创新路径，通过数据Agent、RAG、任务编排等技术手段，推动数据从“被动响应”向“主动建议”演进，实现智能化运营闭环； 4、主导或参与湖仓一体的数据架构演进，推动数据采集、治理、质量保障、智能加工与自动化运维体系的持续优化，夯实物流业务高效运转的数据基石。
1. 负责淘天集团自营业务的供应链管理（供应链计划、物流执行），通过机器学习、深度学习、强化学习、运筹学算法以及大模型（LLM）等AI技术，提供供应链管理和库存效率，降低物流成本，提升消费者履约时效体验； 2. 围绕供应链和物流业务场景，紧跟学术界/工业界前沿进展，持续完成算法迭代和创新（预测算法、决策算法、端到端数据驱动优化算法），完成创新成果落地和业务价值转化的同时，构建技术壁垒，打造算法团队品牌形象和世界级影响力； 3. 持续跟踪大模型（LLM）、多模态、Agentic AI算法、模型微调与规则对齐等前沿AI技术，并推动其在供应链领域的创新应用与业务价值转化。
这是一个综合的AI推理、优化的技术岗位，适合从事以下工作的候选人投递： ● AI应用构建与模型优化工作的候选人 ● AI应用数据构建与自动化评测工作的候选人 ●多模态AI应用构建与算法优化工作的候选人 围绕真实业务核心场景，参与AI应用的系统化构建与优化，把AI变为业务增长引擎，具体职责包括以下相关方向的一项或多项： 1、AI应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等； 2、数据飞轮构建：打造高质量数据生产链路，探索合成数据（Synthetic Data）与高效蒸馏技术方案，跑通“业务-模型-反馈”迭代闭环； 3、评测体系构建：面向业务目标，设计完备的AI应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力； 4、强化学习与奖励机制设计：构建可工程化的Reward体系与RL训练环境，提升模型在垂直业务场景中的可控性与泛化能力； 5、AI外部能力体系搭建：实现AI应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多Agent协作框架等 6、多模态AI应用开发：构建AI应用的多模态感知与推理能力，解决在UI自动化、视觉理解与审核、多模态会话等场景的落地应用问题。