阿里巴巴算法工程师-智能广告大模型和Agent方向（T-Star Lab日常实习）
任职要求
1.硕士及以上学历，2026年11月1日以后毕业，计算机、信息学等相关专业，能连续实习3个月及以上； 2.接受过系统的机器学习、大模型相关的科研训练，在机器学习理论和应用（CV、NLP、RL等）等领域至少以一作发表过两篇顶会/顶刊paper。 3.具备良好的逻辑思维能力、沟通表达能力和动手能力，能将相对复杂的业务问题抽象成技术问题，并给出优雅的Fo…
工作职责
在这里，你将接触国内绝对第一梯队广告业务的核心算法和数据，和清北背景的Mentor一起用大模型提升广告投放效果，收获"用算法驱动业务大幅增长”的快感。 岗位课题：基于大模型和Agent技术的广告投放优化算法研究与应用 课题项目背景： 广告主每天会花大量人力做广告投放相关的决策，包括不限于设置和调整广告投放计划、识别异常投放情况、咨询平台政策等。以上决策不仅费时费力，投放效果还受限于广告主经验而参差不齐。在此背景下，我们用LLM做了广告投放Copilot和Agent，来辅助or代理 广告主做决策。 岗位描述： 1.生成式算法重构营销算法 A 如同LLM重构了NLP各类算法，参与生成式算法全面革新营销领域的各类算法，如AI选词、AI诊断、AI出价等。 B 研究基于生成式模型如何构建上层营销Agent，能够给海量商家提供拟人化的解决方案。 2.面向未来的Agentic系统构建 A 通过高效分布式计算、多轮环境交互的RL训练框架、灵活的多任务联合训练等的支持 ，构建面向工业级海量商家的Agentic架构。 B 一起探索语言模型和强化学习的算法边界，探索AI技术驱动的创新应用。 3.在营销领域，实战探索领域AGI的可行路径 A 直面海量商家、高预算需求，在营销领域真正落地营销Agent（AI小万）。 B 参与双11、618等顶级电商场景的算法优化，见证营销领域AGI的真实落地过程，经历通过客户体验提升带来商业增长的完整路径。 成长资源： 1.团队在ToB AI算法领域上深厚技术积淀、完善的工程配套和海量广告业务数据，帮助同学在算法研发上能尽情发挥才华； 2.优秀资深师兄和TL的专属coaching，为同学的成长保驾护航；
在这里，你将接触国内绝对第一梯队广告业务的核心算法和数据，和清北背景的Mentor一起，用大模型提升广告投放效果，收获"用算法驱动业务大幅增长”的快感，以及有机会提前获得校招T-Star的正式Offer。 岗位课题： 基于生成式模型和大模型的出价算法研究与应用 课题项目背景： 广告出价算法是最具广告特色的核心算法，也是最直接影响广告投放效果的算法。出价模型基于流量价值进行实时报价，能大幅提升广告投放效果，从而带动广告预算增长。 我们曾用强化学习、Diffusion Model、生成式大模型等范式来训练出价模型，均带来广告GMV和广告收入的大幅提升，并沉淀三十余篇顶会paper，持续引领广告出价领域的迭代。如今大模型能力日新月异，期待优秀的、有想象力的同学加入我们，一起做出有生命力的工作。 岗位描述： 1.大模型出价算法革新： A 设计基于大模型（LLM、多模态大模型）的自动出价算法，通过优化设计帮助模型具备持续scale up能力，助力模型在多场景出价任务上超越sota。； B 研究基于强化学习Post-train的大模型自动出价算法，提升客户效果与平台收益。 2.真实工业场景大规模实践落地： A 参与淘宝/天猫超大规模日请求出价模型升级，助力海量商家提升投放效果； B 参与双11、618等顶级电商场景的算法优化，见证大模型技术驱动商业增长的完整链路。 成长资源： 1.团队在自动出价算法领域上深厚技术积淀、完善的工程配套和海量广告业务数据，帮助T-star同学在算法研发上能尽情发挥才华； 2.优秀资深师兄和TL的专属coaching，为T-star同学的成长保驾护航； 3.相对宽松的环境，给够T-star同学试错空间。
【课题说明】 美团商家通过IM与用户交互帮助用户答疑，提升用户下单意愿，完成导购、客服、留资等任务。整体链路人工依赖率高。随着大模型技术的快速发展，基于大模型的智能外呼在提升电销覆盖率和转化率方面展现出极大潜力。 本课题致力于将大模型技术和商家端的各项客服任务相结合，通过大模型能力赋能美团商家与用户交互过程，降低商家与客户交互的成本，提升商户的成单数量。 【建议研究方向】 1.基于多智能体的商家助手设计：设计基于大模型的多智能体交互方案，让模型在与用户交互过程中，能给有效识别用户意图，完成多轮交互。 2.工具调用与任务分解：设计多工具调用框架，使商家助手能够动态组合调用业务API、业务数据库等工具，完成多种复杂任务。
【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。
1.负责搜索广告场景的算法优化工作，包括召回、粗排等投放漏斗的模型优化； 2.利用大规模机器学习算法对用户兴趣建模和商品表征学习，提升超大规模广告的召回效率； 3.利用NLP、CV等技术研究多模态大模型和大语言模型在搜索广告中的应用与创新； 4.深入理解淘宝的业务特点，结合内容化等方向，挖掘算法驱动业务的增长点，并推动落地； 5.负责研究和推动用户冷启动&商品冷启动在搜索广告中的探索与应用。