阿里巴巴日常实习-业务技术- AI数据研发工程师（营销方向）

1. 参与构建淘天全域营销知识AI基础设施，负责将海量、多源的营销业务知识（如商品信息、权益规则、活动策略、用户行为等）进行结构化、体系化的组织与沉淀； 2. 设计并开发高效、鲁棒的知识处理工作流，包括但不限于：多模态（文本、图像、结构化数据）营销数据的清洗、融合、加工与向量化，为上层AI应用提供高质量的“燃料”； 3. 探索并实践知识检索增强（RAG）架构，参与设计面向营销场景的语义检索、混合检索方案，提升AI模型在复杂营销问答、策略生成等任务中的准确性与可解释性； 4. 参与营销领域本体（Ontology）的构建与迭代，将业务专家的经验和逻辑转化为机器可理解的知识图谱，推动营销知识的标准化和智能化应用； 5. 紧密协同算法、产品及业务团队，深入理解营销业务痛点，将业务需求转化为可落地的数据与AI解决方案。

这是一个综合的AI推理、优化的技术岗位，适合希望从事以下工作的候选人投递： ● 希望从事AI应用构建与模型优化工作的候选人 ● 希望从事AI应用数据构建与自动化评测工作的候选人 ● 希望从事多模态AI应用构建与算法优化工作的候选人 围绕真实业务核心场景，参与AI应用的系统化构建与优化，把AI变为业务增长引擎，具体职责包括以下相关方向的一项或多项： 1、AI应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等； 2、数据飞轮构建：打造高质量数据生产链路，探索合成数据（Synthetic Data）与高效蒸馏技术方案，跑通“业务-模型-反馈”迭代闭环； 3、评测体系构建：面向业务目标，设计完备的AI应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力； 4、强化学习与奖励机制设计：构建可工程化的Reward体系与RL训练环境，提升模型在垂直业务场景中的可控性与泛化能力； 5、AI外部能力体系搭建：实现AI应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多Agent协作框架等； 6、多模态AI应用开发：构建AI应用的多模态感知与推理能力，解决在UI自动化、视觉理解与审核、多模态会话等场景的落地应用问题。

这是一个综合的AI推理、优化的技术岗位，适合希望从事以下工作的候选人投递： ● 希望从事AI应用构建与模型优化工作的候选人 ● 希望从事AI应用数据构建与自动化评测工作的候选人 ● 希望从事多模态AI应用构建与算法优化工作的候选人 围绕真实业务核心场景，参与AI应用的系统化构建与优化，把AI变为业务增长引擎，具体职责包括以下相关方向的一项或多项： 1、AI应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等； 2、数据飞轮构建：打造高质量数据生产链路，探索合成数据（Synthetic Data）与高效蒸馏技术方案，跑通“业务-模型-反馈”迭代闭环； 3、评测体系构建：面向业务目标，设计完备的AI应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力； 4、强化学习与奖励机制设计：构建可工程化的Reward体系与RL训练环境，提升模型在垂直业务场景中的可控性与泛化能力； 5、AI外部能力体系搭建：实现AI应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多Agent协作框架等； 6、多模态AI应用开发：构建AI应用的多模态感知与推理能力，解决在UI自动化、视觉理解与审核、多模态会话等场景的落地应用问题。

1、主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的应用构建、模型训练与评测； 2、运用SFT、RL等Post-training训练方法，提升大模型在自主规划（Planning）、多步推理、工具调用、RAG、记忆、长周期任务执行等方面的能力； 3、跟踪LLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点突破复杂推理、Agent记忆、自演进系统、Agentic RL等方向的技术创新； 4、持续优化Agent算法与系统架构，构建端到端的Agent评测体系，开发自动化评估工具与多维评价指标，提升Agent系统性能与效率，打造业内领先的AI Agent系统级技术方案。 5、具体业务/研究场景包括但不限于：面向Agent基础设施的通用系统/组件的自优化算法、记忆系统、智能运维Agent、多Agent协作系统、Harness设计、高效后训练Pipeline等