阿里巴巴淘天算法技术-推荐算法专家-北京
任职要求
1. 硕士及以上学历，计算机、数学、统计学相关专业，3年以上算法研发经验，有头部互联网公司或知名AI企业相关领域经验者优先； 2. 精通机器学习、深度学习、强化学习等核心技术，熟悉分布式计算框架及MLOps流程，具备大模型训练、优化或部署落地经验，或在推荐、广告算法领域有成熟项目经验； 3. 具备扎实的编程能力（Python/Java/C+…
工作职责
1. 负责核心业务场景下的算法设计与优化，推荐领域的召回/粗排模型开发及策略迭代，推动技术方案在业务中落地并提升关键指标； 2. 基于大规模数据构建用户行为分析、探索召粗模型升级，探索前沿大模型技术在电商场景的应用，优化用户体验与业务效果； 3.围绕序列、参数、数据三大 Scaling 主线，通过将序列建模与Scaling Up深度融合，推动排序算法从特征工程驱动向规模驱动的范式升级； 4.探索大语言模型应用在大淘宝推荐场景的落地，建立新一代认知推荐算法体系，结合交互式推荐的产品创新，提升用户体验和首页推荐的长期价值； 5.构建基于意图引擎驱动的agentic 推荐系统，跟进和研发大规模语言模型的预训练、持续训练、SFT、RL 等技术，在推荐场景落地并提升关键指标。
1. 负责通用搜索场景下资源（小说、视频、软件、游戏、漫画等）推荐相关的召回、排序、策略等算法设计与技术规划； 2. 参与制定推荐算法策略和流程，使用机器学习和深度学习技术维护和更新模型，确保推荐算法的质量和效率； 3. 与产品经理、数据科学家、产品运营专家等合作，确保推荐系统的设计和实现符合需求。
1. 负责通用搜索场景下资源（小说、视频、软件、游戏、漫画等）推荐相关的召回、排序、策略等算法设计与技术规划； 2. 参与制定推荐算法策略和流程，使用机器学习和深度学习技术维护和更新模型，确保推荐算法的质量和效率； 3. 与产品经理、数据科学家、产品运营专家等合作，确保推荐系统的设计和实现符合需求。
关于我们： MOS 实验室隶属于阿里 ATH 千问事业群。我们致力于在大模型时代打造具有全球影响力的 AI 原生产品，推动 AI 从“被动对话”向“主动服务与复杂执行”的范式跃迁。 实验室核心业务涵盖 AI 搜索、生成式推荐、主动服务及任务助理 Agent 等前沿领域。依托千问大模型底座，我们深度探索 RAG、Agentic RL、多 Agent 协作及全链路工程自动化技术，旨在构建能够深度理解用户、自主规划路径并闭环交付任务的“最强 AI 助手”。 岗位职责：定义大模型时代的主动推荐 1. 主动服务场景构建： 负责千问场景下的主动推荐算法研发。基于用户长期记忆与画像，构建主动发起聊天话题、引导任务执行的算法体系。 2. 生成式推荐探索： 探索 LLM-Native 的推荐范式，利用大模型的原生推理能力实现生成式推荐（Generative Recommendation），打破传统过滤式推荐的局限。 3. 时机决策与推送策略： 针对主动服务中的“打扰度”痛点，构建高精度的时机建模（Timing Modeling）与推送策略，确保在最合适的时刻提供最具价值的信息。 4. 长时记忆与任务驱动： 结合 RAG 与记忆模块，使推荐逻辑具备跨时空的连续性，实现基于历史上下文的精准任务挖掘与发起。 5. 业务闭环优化： 深度理解推荐与推送业务指标（点击、留存、任务达成），通过算法手段实现用户价值与业务增长的协同。 职级可看P6-P8
1. 面向消费金融及信贷相关业务场景，基于业务理解和数据科学方法，挖掘用户增长、经营优化和营销转化机会，将复杂业务问题抽象为算法建模和智能决策问题； 2. 负责营销推荐场景的算法建设，包括但不限于用户触达、用户圈选、素材召回、推荐排序、智能出价、流量分发、预算分配、个性化策略和效果优化等方向，提升投放精准性、转化效率和业务增长效果； 3. 深度融合机器学习、深度学习、因果推断、运筹优化、控制优化等方法，设计并落地可规模化的算法解决方案，支撑大规模流量和复杂业务场景下的策略迭代与技术攻坚； 4. 探索大模型技术在营销推荐、数据挖掘和智能决策场景中的创新应用，包括但不限于 LLM Agent、LLM4Rec、算法做功 AI loop 自迭代、用户理解与意图识别、AIGC、智能分析与决策辅助等方向，推动算法能力升级和业务落地； 5. 跟踪前沿算法技术，结合实际业务场景沉淀可复用的算法能力、评估体系和工程化解决方案，持续提升算法研发效率与业务应用效果。