阿里巴巴日常实习生-业务技术-大模型算法工程师
任职要求
● 计算机、人工智能、机器学习、计算机视觉、自然语言处理或相关专业博士。 ● 熟练掌握 Python、PyTorch，具备扎实的深度学习基础与算法工程能力。 ● 对 LLM / VLM 的训练、对齐与后训练技术有深入理解，熟悉 SFT、RLHF、…
工作职责
● 负责 VLM / LLM 在场景合成、空间布局生成等任务中的后训练研究与优化。 ● 研究并实践 SFT、RLHF、DPO 等后训练方法，提升模型在空间约束满足、布局合理性、搭配一致性及用户偏好对齐方面的能力。 ● 结合场景理解、空间关系建模与用户需求，推动模型实现可控生成与稳定推理。 ● 设计并开展系统性的实验、评测与效果分析，持续优化模型性能，并推动算法在真实业务场景中的落地。
如果你渴望参与淘天集团海量视频与图像内容的专业色彩校正与风格化调色，为亿万用户打造极致视觉体验，欢迎加入我们！ 在这里，你将持续追踪行业视觉趋势与前沿色彩技术，对电商图片、直播视频、短视频等多元内容进行精细化调色，助力色彩增强算法优化与规模化图像及视频生产能力； 在这里，你将依托海量业务数据，直面极具挑战性的业务场景，充分释放你的创意与专业潜能； 在这里，你将与一群聪明、皮实、乐观且追求卓越的优秀伙伴们并肩作战，共同开创视觉技术的新格局！
参与实现先进的Image to 3D生成算法，重点关注用于室内设计的家具建模应用，设计并实现高效的3D表征，改善网络结构，研究不同的预训练以及后训练方案，负责不同算法消融实验，清晰记录研究过程、方法及结果，产出高保真、高还原度的3D模型。
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
我们致力于通过大模型 + AI Agent + 运筹优化的深度融合，推动淘天集团物流与供应链体系的智能化跃迁。面对日均亿级订单、千万级商家、全域消费者的复杂场景，我们正在构建业界首个端到端物流智能体（Logistics AI Agent）平台，覆盖预测、质控、规划、诊断、优化等核心环节。在这里，你将： ● 学习AI Agent 在真实物流场景的规模化落地，而非仅做实验性探索。 ● 解决世界级复杂问题：从虚假发货识别到仓网优化，从时效预测到逆向体验保障，都具备极高的复杂度。 ● 定义下一代智能物流范式：融合LLM、复杂任务拆解&推理、RAG、Tools、SKill、多智能体协作，以及运筹优化决策。 ● 影响数亿消费者体验：你的算法直接决定“下单到收货”的每一环是否顺畅。 核心工作方向： ● 预测智能体（Forecasting Agent）构建支持动态策略调整、自动归因分析、AI答疑的预测 Agent，实现从“静态预测”到“主动调控”的跨越。 ● 质控智能体（Quality Control Agent）基于多源异构数据（轨迹、图像、文本、行为），打造全链路异常检测与黑灰产对抗系统，保障履约真实性与消费者信任。 ● 运筹优化智能体（OR Agent）将 LLM 与运筹学深度结合，实现自动建模 → 求解 → 仿真 → 方案生成的闭环，驱动仓网、运力、库存的全局最优。 ● 通用 Agent 能力基建深耕 RAG 多路召回、长短期记忆、Skill 自动编排、复杂任务拆解（ToT/Reflexion）、A2A 协同等核心技术，打造高可靠、可扩展的 Agent 底座。