阿里巴巴研究型实习生-阿里妈妈-大模型算法工程师
任职要求
1、计算机、数学或统计学相关专业硕士及以上学历； 2、熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础； 3、熟悉常用的机器学习算法； 4、具备优秀的分析和解决问题的能力，良好的沟通协作能力； 5、有大模型、数据挖掘、机器学习、强化学习、信息检索、自然语言理解、推荐系统、计算广告学及算法博…
工作职责
1、构建面向搜推广场景的生成式通用用户大模型； 2、探索生成式预估模型的技术边界与架构创新； 3、主导大模型系统的工程化落地与全链路优化； 4、结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。
1. 面向有道词典、词典笔、学习规划/小P老师等产品线，负责 Agent 能力的整体方案与核心算法研发，包括任务分解、计划-执行/反思循环（Plan-Execute / ReAct / Reflection）、长短期记忆与工具路由等； 2. 负责 SLM（Small Language Model）持续预训练与指令微调（SFT），构建高效压缩与蒸馏方案，面向端侧/低延迟场景优化推理效率； 3. 设计与实现工具调用（Function/Tool Calling）体系：工具编目与路由、参数填充、结果验证与回退、调用链追踪与可观测性，提升工具使用的成功率与收益； 4. 基于强化学习（PPO/GRPO/DPO 类方法等）与奖励建模，面向语义理解、工具使用成功率、内容生成质量等目标进行对齐与优化，支持离线/在线策略迭代； 5. 负责搜索与排序相关模型：语义检索embedding/rerank、学习排序（pointwise/pairwise/listwise）、点击/转化信号建模与评估； 6. 负责数据全链路：高质量数据构建、策略采样、合成与清洗、去重与去噪、难例挖掘、失败案例回放及工具轨迹数据集构建； 7. 建立系统化评测体系：离线基准（理解/工具成功率/可用性）、端到端任务评测、A/B 实验与线上指标监控，推进效果持续迭代； 8. 推动工程化落地：训练管线与分布式并行、推理服务化与弹性扩缩、缓存与检索加速、成本/时延/稳定性优化； 9. 跨团队协作，与产品、工程、数据及标注团队紧密配合，按期高质量交付，持续提升用户体验与业务指标。
1. 负责自动驾驶世界模型、场景重建相关技术的研究和算法研发； 2. 参与世界模型在自动驾驶场景编辑、闭环仿真场景生成领域的算法研发，解决技术落地过程中的应用问题； 3. 跟进相关领域世界模型的前沿技术，保持技术行业领先。
-与感知模型等算法工程师、决策规划算法工程师协同，设计与实现自动驾驶预测模型算法（高速/城区场景），达成分层架构下较好交互效果 -设计与实现支持多场景、多障碍物类别的可迭代预测算法 -预测模型相关数据挖掘、数据分析、自动迭代等的自动化化研发工作 -探索learning-based决策规划与端到端方案
1、参与业内最前沿的排序模型的迭代工作，通过优化模型精度提升用户体验； 2、分析、理解用户数据和业务场景，设计适合业务发展的推荐算法和机器学习模型； 3、迭代业内最前沿的推荐算法，并落地到快手最大的消费场景中。