阿里巴巴阿里国际站/Alibaba.com-算法专家/高级算法工程师-商品
任职要求
1、计算机、数学或统计相关专业硕士及以上学位，具备扎实的计算机基础知识，尤其在自然语言处理（NLP）或多模态技术方面。 2、深入理解大型语言模型（如ChatGPT、LLaMA和Qwen）的算法原理，以及CPT、SFT、RLHF等训练技术。 3、在电商领域有相关项目经验，能够深入理解电商系统和机制。 加分项：拥有顶级会议论文或开源项目经验，具备与Agent相关的实践经历，熟悉LLM Agent微调、RLHF或决策过程优化（DPO）等经验。
工作职责
【职位描述】： 1、负责AI产品开发与应用：围绕外贸商品构建B类商品模型、AI发品、负向治理等能力； 2、技术能力：电商领域多模态大模型，包括从监督微调（SFT）到强化学习人类反馈（RLHF）的全链路技术构建，以及智能Agent系统，涵盖但不限于检索增强生成（RAG）系统、Agent系统和工作流推理等。 3、推动跨境电商AI创新业务的落地实施，包括高效的商品AI大模型、AI发品和诊断Agent等解决方案。 4、开展前沿LLM技术的探索，持续迭代和优化自研模型能力，以支持AI原生产品的实施。
AE 推荐算法团队负责AliExpress所有推荐类相关产品的算法研发，包括商品信息流、图文、短视频等众多场景的推荐，致力于用AI先进技术对商品&内容进行挖掘和理解，提升流量分发效率和用户体验，服务于全球243个国家数十亿消费者: 1. 负责跨境电商场景中的用户理解，利用超大规模深度学习对用户长短期兴趣进行建模与实时意图预测 2. 负责推荐商品召回，包括i2i召回、深度个性化召回、多兴趣表达与匹配等 3. 负责优化推荐排序大模型，利用大规模深度学习技术对商品进行表征&个性化排序 4. 负责推荐流量机制与策略研发，包括新品、新用户的投放策略与调控机制
1. 负责大模型（LLM/MLLM）核心技术研发，包括预训练、垂域SFT、RLHF等，持续追踪和应用领域最新技术进展； 2. 负责大模型性能优化：研发模型加速技术，如量化、剪枝与知识蒸馏；优化数据特征与调度策略；构建高效推理链路、提升运行速度及降低成本； 3. 基于淘天用户丰富的消费行为，打造技术先进的电商用户理解大模型，提升对用户的异构行为本质的认知能力，支撑用户个性化的搜索、商详、互动等多种电商业务场景； 4. 基于淘天海量商品数据，打造技术先进的电商多模态大模型，提升对多模态异构的商品数据(图、文、视频等)的理解能力和结构化能力，输出底层算法能力和高质量结构化数据，支撑多种电商业务场景，并面向商家和消费者探索AIGC等创新业务应用； 5. 持续跟踪、探索大模型/多模态大模型方向的前沿技术，将各方向的SOTA能力集成到模型底座上，提升下游任务的效果，打造团队的技术先进性。
AE搜索算法团队，负责AIDC AliExpress（AE）、JP- AO和天猫淘宝海外等国际化电商搜索业务优化，为全球100多个国家使用不用语言的用户持续电商搜索体验与效率，并结合大模型升级技术与产品体验创新。 多年来团队紧跟工业界和学术界前沿，在多语言Query理解与相关性、国家差异化召回与排序模型、多语言Query导购与大模型在多语言搜索中应用等技术方向持续探索创新，带来业务快速增长同时发表⾼⽔平学术论⽂20+篇（如AAAI、 IJCAI、TKDE、TMM、RecSys、CIKM和ICDM），申请专利15+项。 大规模深度模型的搜索算法研究，包括但不限于： 1. 多语言Query理解、商品理解和相关性，包括：Query和商品NER、Query类目预测、Query改写与扩展、多语言&跨语言语义相关性等；LLM在多语言电商搜索领域应用，包括：大模型CT和SFT，以及在Query理解、语义相关性、商品理解上的应用； 2. 个性化召回与排序相关技术：基于大规模深度模型的CTR/CVR预估模型及个性化召回模型，包括用户行为序列建模、多目标建模、多模态跨场景迁移建模、国家差异化建模体系建设等； 3. 个性化多语言Query推荐，包括：下拉、底纹、风向标等场域，基于异构行为序列建模、多场景建模的多语言Query推荐技术研究与应用；
作为爆品团业务智能定价引擎的核心产品，你将负责构建一套高效的商品算法定价系统，通过算法策略优化平台补贴 ROI与业务效率。 1．策略架构设计：负责商品智能补贴与定价算法的整体策略规划与落地，确保其对业务目标的精准响应； 2．数据与特征工程：主导构建并持续优化算法模型的数据入参体系，涵盖用户、商品供给、商圈竞争、实时物流等多维度特征，夯实算法基石； 3．信号处理机制：设计信号消费与处理策略，将物流压力、运力状态等实时信号与运营人工干预信号，高效转化为算法可理解、可执行的指令； 4.核心算法机制：设计并迭代算法机制，将补贴效率、GMV、用户体验等多目标转化为清晰的数学模型，驱动定价模型持续进化; 5．策略实验与迭代：主导定价策略的AB实验与效果评估，通过科学实验快速验证假设，完成策略修正与调优，为最终算法效率负责。