阿里巴巴国际智能供应链与物流 AI Agent-Bravo Star

1. 负责进口业务逆向解决方案的设计、优化和落地，包括逆向全链路系统化、退换流程、品类损益优化，核心KPI围绕逆向损益优化、体验提升、自动化率； 2. 借助AI技术和工具、算法、自动化等能力，设计并落地在逆向质检、稽核、履约监控、跟单、风险预警等场景的应用，提升整体运营效能和业务质量； 3. 协同体验、客服、品控、物流、产品、技术等部门，搭建逆向全链路流程优化、系统化，并提升风险管理能力； 4. 深挖品类特性，并协同各保税仓、大贸仓、直邮仓设计并落地细分品类的全链路履约解决方案，降低逆向货损和残损比例。

【团队介绍】 我们是AE广告算法团队，作为平台核心营收和商业化的重要引擎之一，我们致力于优化搜索、推荐、互动游戏等全域流量的广告商品变现效率，基于个性化搜索、推荐技术，以及广告的竞价、流量分配机制和智能创意优化，提升平台收入。多年来团队紧跟工业界和学术界前沿，在多语言类目预测和搜索推理相关性、生成式召回、生成式排序、预算分配、智能出价、AIGC创意等技术方向持续探索创新，带来业务快速增长同时在RecSyS、WWW、CIKM、ACL和WSDM等会议上均发表学术论文。 1. 深度参与AI算法在真实商业场景中的最前沿探索，探索大模型算法在电商广告中的全链路应用； 2. 参与工业级用户行为基座大模型研发，利用预训练LLM、SFT微调、多模态等技术，推动统一语义表征与生成式范式在复杂业务中的应用； 3. 探索大语言模型（LLM）、多模态大模型、Agent及RAG技术在搜推广告领域的应用，利用SFT微调、强化学习（RLHF/GRPO）、提示词工程等手段，实现关键业务指标提升； 4. 学习前沿论文与把握技术趋势，深入理解底层算法原理，探索实验面向未来的硬核技术，实现核心技术突破和技术创新，发表相关论文。

团队介绍： 我们是阿里巴巴国际数字商业集团-智能技术-商品基础数据算法团队，基于研发电商多模态预训练模型基座，通过多模态商品理解、商品同款匹配、商品属性&标签生产、知识图谱构建、图像搜索等核心技术的持续迭代，为平台沉淀高质量、结构化的商品数据资产和多模态大模型基座。主攻前沿方向：Continual Pre-Training/Post-Training 模型持续优化、SFT 监督微调与用户偏好对齐、RL 强化学习提升推理和决策能力、多模态（文本 + 图像）语义匹配。 职位描述： 1.负责研发电商多模态预训练模型基座，抽象并解决商品理解的基础问题使得模型具备业务通识能力，并构建针对大模型幻觉问题、推理能力、模型加速等关键问题的系统性解决方案，提高下游业务的迭代效率和效果上限。 2.基于多模态预训练大模型，设计和迭代 SFT+RL 训练方案，优化模型语义理解精度，落地商品理解关键场景任务，比如商品类目/属性/标签预测、商品同款、商品图搜等，负责关键场景的端到端全链路优化，实现业务指标提升。 3.学习前沿论文与把握技术趋势，深入理解底层算法原理，探索实验面向未来的硬核技术，实现核心技术突破和技术创新，发表相关论文。

一、知识库建设与治理 1、 负责演出/票务领域知识库的搭建与持续治理，制定行业术语保留指令，确保演出名称、场馆、票务政策等专业术语在 AI 回复中准确无误 2、 推进 FAQ 标准化建设，系统梳理高频问题、统一答案口径，保障 AI 回复的准确性与一致性 3、 持续维护知识库内容的新增、更新、去重与过时内容清理，保持知识库的时效性与健康度 二、业务流程编排与优化 1、 负责标准问题与 Procedure 的映射搭建，重点覆盖订单查询、退票退款、入场相关、支付异常处理等核心业务场景 2、 能熟练完成智能客服FAQ\多轮流程等流程搭建，不断根据业务变化及用户痛点进行迭代优化 三、数据监控与运营分析 1、 搭建并维护核心运营看板，持续监控自动解决率（Resolution Rate）、知识缺口（Gap Topic）、转人工率、机器人满意度（CSAT）等关键指标 2、 基于数据洞察定位知识盲区与流程瓶颈，输出优化建议并推动落地