阿里巴巴日常实习生-商家平台算法-大模型应用算法实习生
任职要求
1.计算机科学、人工智能、机器学习，自然语言处理（NLP）等相关领域的硕士或博士在校生，2026年11月后毕业； 2.熟悉多智能体系统，具有深度推理、Deep Research、RL…
工作职责
1. 探索AI驱动的助手系统质量优化，基于LLM后训练，推动AI技术在实际应用中的突破。 2. 深入理解应用检索增强生成（RAG）、RL、Multi-Agent等技术，提升AI对话质量。 3. 结合业务进行前沿技术探索并发表论文。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 1、数据挖掘：负责数据集的构建与维护，利用数据飞轮机制不断优化数据质量和丰富度，进行深度的数据挖掘，沉淀高价值信息，开发和优化Query理解、召回、相关性排序等技术，提升信息检索的效率和准确性，提升RAG的效果； 2、大模型训练：针对业务需求进行大模型的继续训练（CT）、有监督微调（SFT）、偏好学习，以及多模态模型训练，提升模型在特定场景下的表现； 3、提示词工程：与业务专家合作，构建和优化结构化的提示词，充分挖掘和利用大模型的能力，高效、精准解决实际问题； 4、智能体技术：利用领先的智能体框架，增强大模型的推理、对话和反思能力，解决复杂业务问题，提升用户体验； 5、大模型评测：制定和实施大模型的评估方案，结合人工评估和自动化评估手段，确保模型性能的可靠性和稳定性； 6、应用落地：定义业务问题，设定任务标准和目标，不断优化模型和系统，以达到最佳的业务效果和用户满意度。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 1、参与电商场景下文本、多模态相关模型能力建设，包括但不限于：大模型多模态、关键信息抽取、实体识别、文本分类、知识图谱构建等； 2、参与构建业内领先的内容安全、内容生态识别方法，探索前沿技术（如NLP大模型、多模态大模型的训练和运用相关），并应用落地到电商业务场景中； 3、参与分析模型落地对电商生态的正面影响。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 1、技术视角进行案例分析并产出优化方案，完成算法策略规则的定义与相关需求产出，并长期迭代；涉及方向为：AIGC视频/图文稿件（投放抖音）、Agent给各业务环节提效等； 2、负责算法相关的产品策略设计工作，作为连接业务与技术的桥梁，搭建科学的算法策略衡量方法、指标体系、标签/评级体系及迭代标准；设计评估实验，量化模型收益； 3、与算法团队紧密合作，分析模型效果，定义合理的衡量指标；构建高质量的数据集，设计并落地模型测评/标注解决方案； 4、调研、分析大模型应用场景，深度挖掘用户需求，设计解决方案并推动项目高效落地； 5、协调各部门资源，保障数据采集到业务应用的项目全流程交付。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 1、参与电商场景下文本、多模态相关模型能力建设，包括但不限于：基于LLAMA/LLaVA等模型的多模态、关键信息抽取、实体识别、文本分类、知识图谱构建等； 2、参与构建业内领先的内容安全、内容生态识别方法，探索前沿技术（如NLP前沿、多模态前沿的训练和运用相关），并应用落地到电商业务场景中； 3、参与分析模型落地对电商生态的正面影响。