阿里巴巴淘天算法技术-流量机制算法工程师-杭州
任职要求
1. 硕士及以上学历，计算机、数学、统计学等相关专业，2年以上算法研发经验，有头部互联网公司或知名AI企业背景者优先； 2. 代码能力扎实，精通Python/Java/C++中至少一门语言，熟练掌握机器学习、深度学习、强化学习等技术； 3. 具备电商搜索、推荐系统或广告算法实战经验，熟…
工作职责
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。
负责主搜供给与机制算法，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. 供给机制：新品冷启优化淘宝亿级新品的冷启打爆链路，通过满足用户新品需求带来大盘增量。技术包括潜力预估、流量规划、多级流量池助推等。商品速爆构建从选品反向招商到速爆的链路，通过机制撬动供给价格力带来大盘增量。技术包括品规挖掘、同款比价、Debias预估、欠曝品助推、Listwise聚单等。 2. 供给生态：通过优化价量模型与诊断反馈模型的准确性，达成用户价值和商家经营确定性的双赢。技术包括时序建模、因果推断、组合优化、MLLM等。 3. 调控算法：优化调控目标完成率/折损兑换比的机制系统，技术包括过欠曝预估、在线学习、请求级IPW预估、整页价值预估与生成等。 4. 长尾预估：优化无少行为商品预估准度，提升模型对长尾商品的泛化能力。技术包括域迁移、GNN、多模态、伪样本、大模型Agents等。 5. 供给链路：优化供给与机制独立通路，从平台视角综合考虑供给打爆与机制收益与损失。技术包括供给独立通路升级、混排LTR、供给价值与孵化损失预估等。
1. 负责淘宝推荐系统的核心机制策略设计与优化，包括但不限于用户兴趣理解、分人群排序机制、推荐频率策略、多样性调控等全链路策略，提升推荐精准度与用户满意度。 2. 主导用户体验策略研究，结合用户行为数据与反馈，优化推荐结果的相关性、新颖性、时效性等维度，平衡用户体验与平台目标。 3. 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、个性化交互优化等，推动推荐技术的前沿突破。 4. 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。 5. 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。
团队介绍 AE 推荐算法团队负责AliExpress所有推荐类相关产品的算法研发，包括商品信息流、图文、短视频等众多场景的推荐，致力于用AI先进技术对商品&内容进行挖掘和理解，提升流量分发效率和用户体验，服务于全球243个国家数十亿消费者: 职位描述 1. 负责跨境电商场景中的用户理解，利用超大规模深度学习对用户长短期兴趣进行建模与实时意图预测 2. 负责推荐商品召回，包括i2i召回、深度个性化召回、多兴趣表达与匹配等 3. 负责优化推荐排序大模型，利用大规模深度学习技术对商品进行表征&个性化排序 4. 负责推荐流量机制与策略研发，包括新品、新用户的投放策略与调控机制