阿里巴巴阿里国际智能技术-广告大模型算法工程师-日常实习生
任职要求
1. 熟练掌握Java/C++/Python中至少一门语言，熟悉tensorflow或者pytorch至少一种机器学习常用框架； 2. 对大模型算法，搜推广算法，自然语言处理有相关项目经验，对其中某一领域算法有深入的研究和应用； 3. 逻辑思维清晰，学习能力强，对新事物保有好奇心，并能…
工作职责
【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。
岗位课题： 1.大模型与机制设计的范式融合 2.基于大模型的智能决策智能体研究 3.融合价值最优的生成式拍卖、重排算法研究 课题项目背景： 本课题聚焦于探索大语言模型、多模态大模型以及生成式AI技术如何赋能阿里妈妈核心商业场景的机制设计理论与实践革新。涉及到技术难点包括：大模型与机制设计的融合范式、生成式机制建模、超大规模分布式优化、公平性保障等。 相关技术突破将应用于阿里妈妈广告系统的机制设计核心环节，实现更精准的广告匹配与更高效的流量分配，最终提升用户体验、广告投放效率及平台整体营收。 成长资源： 团队有丰富的算法研究经验、充足的GPU资源，能支持相关领域的算法探索、突破创新、论文发表；团队实际负责一线业务算法，能给T-Star Lab实习生一个很好的研究产出到实践落地的环境；团队曾引入多位往届头部同学，有充足的头部人才培养经验，同时有相关学术合作项目提供全方位资源支持。 岗位职责： 在这里，你将参与到大模型驱动机制设计的前沿探索中，重塑阿里妈妈核心商业场景的底层决策逻辑与交互规则。通过融合大模型的生成式推理能力与经典机制设计理论，突破传统方法在复杂多智能体环境中的建模瓶颈。致力于以颠覆性技术重构广告竞价机制、激励生态与跨域协同范式，为海量用户和商家带来更好的购物和营销体验。以及有机会提前获得秋招直通T-Star的正式Offer。
在这里，你将接触业界顶尖的算法团队和超大规模的技术应用，从事用大模型重新定义搜推广技术的前沿工作，以及有机会提前获得秋招直通T-Star的正式Offer。 岗位课题： 1.基于大模型范式的预估模型研究 2.基于生成式模型的通用用户终身行为建模方案研究 3.面向搜索、推荐和广告场景，端到端的召回和预估联合建模方案研究 4.基于多模态语义信息重塑商品ID体系的方案研究 课题背景： 在大模型时代，我们是否有机会去革新搜推广模型和架构是本课题研究的核心。 成长资源： 1.基础设施-集团对AI的重视和对AI包括算力在内的大力投入，结合团队已有的成熟的研发基础设施和充足的算力，可以支持T-Star进行大胆、高效的技术创新； 2.经验传承-业界大牛担任导师传帮带，手把手帮助T-Star同学在技术和业务上快速升级能力和认知； 3.创新环境-丰富的业务落地环境，大量的开放性课题对接真实商业需求，可以进行短、中、长周期的技术创新。
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。
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；