阿里巴巴算法工程师-AI搜索/推荐/广告（T-Star Lab ）
任职要求
1、熟悉tensorflow或者pytorch至少一种机器学习常用框架； 2、逻辑思维清晰，学习能力强，对新事物保有好奇心，并能快速适应新环境；良好的沟通能力和团队协同能力；能与他人合作，共同完成目标；遇事沉稳，不急不…
工作职责
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2026年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 1、参与并负责核心业务场景的各类算法，包括个性化推荐系统等核心算法能力； 2、深度参与商品、内容分发算法设计，提升流量匹配的效率和用户粘性； 3、建设包括AGENT、RAG召回、粗排、精排、重排、混排等推荐算法，打造集团和业界一流的算法； 4、探索大语言模型（LLM）、多模态大模型、Agent及RAG技术在搜推领域的应用，利用SFT微调、强化学习（RLHF/DPO）、提示词工程等手段，提升对用户意图的深度理解及内容承接能力。
1. 前沿技术落地：负责 Agentic Search/Reasoning、Deep Research 及多模态大模型在电商场景的应用；探索 RLHF/RLAIF 对齐技术，推动搜推广架构向生成式预估/召回演进，验证 Scaling Law 潜力。 2. 体验重构优化：深耕 Query 意图理解、语义检索及 UGC 内容生成；利用 LLM CoT 增强用户行为建模与偏好推理，提升搜推相关性、丰富度及匹配精准度。 3. AIGC 商业提效：构建生成式内容生态（自动标题/卖点、文生图/视频、自动化投放），通过提升内容质量与生产效率，驱动用户体验与商业转化双增长。 4. 智能体体系构建：研发 AI Agent、Agentic RL 及多智能体协同技术，应用于智能导购、交互式搜推及复杂供需匹配，打造具备自主推理、动态规划及自进化能力的智能系统。
1. 负责搜索场景LLM的研发，深入分析客户需求，清洗和构建各种微调数据，通过continue pretrain、SFT、RLHF等微调技术训练专属大模型； 2. 基于场景探索大小模型协同的最佳实践，打造普惠方案，提升场景业务效果及用户体验； 3. 负责基于LLM的Agent、CoT、RAG等相关技术研发，以及前沿技术跟进与创新。
飞猪正在重构下一代 AI Native Search，打造旅行行业的AI搜索引擎。我们希望通过大语言模型、Agent、Reasoning、Semantic Retrieval 等技术，构建能够理解用户真实需求、具备推理能力的新一代搜索系统。如果你希望参与搜索范式的变革，而不仅仅是调排序模型，这将是一个非常好的机会。 你将负责 1）构建 AI Native Search Engine，提升复杂旅行需求的搜索理解与满足能力； 2）设计并实现基于LLM的 Query Understanding、Constraint Reasoning、Intent Planning等核心能力； 3）探索Agent驱动的搜索范式，Reason Search、Intent Navigation、端到端生成式检索等能力； 4）研发 LLM Re-ranking、多目标优化及搜索决策模型，提升用户体验与业务指标； 5）跟踪 Agent、Reasoning、RAG、Memory、World Model 等前沿技术，并推动业务落地。
1. 负责淘宝闪购AI搜索产品相关算法研发，构建支持自然语言交互的多模态搜索系统，生成融合文字、商品、视频的混合Feeds流。 2. 设计即时零售场景专用的大语言模型微调方案，优化商品搜索的深度思考能力，解决购物攻略、口碑评测等复杂查询需求。 3. 开发闪购场景的实时推荐算法，结合用户画像与限时促销策略，实现个性化商品排序。 4. 搭建多模态商品理解系统，整合图像识别、文本语义分析等技术，提升非标品搜索准确率。 5. 探索AI助手在即时零售导购中的应用，开发需求细化、对比推荐等交互功能，优化用户购物决策路径 。