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、R…
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。
团队介绍 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: 职位描述 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。
阿里巴巴国际商业数字供应链算法团队专门负责阿里巴巴海外零售供应链的建设和优化工作，业务覆盖全球，支持了千亿级别的零售行业、以及数以亿计的商品。我们支撑了阿里巴巴国际商业零售供应链行业的智能决策体系，我们的核心职责是保障供应链效率、降低供应链成本，同时提升零售行业的经营决策效率，提升广大消费者的购物和服务体验。 我们的工作涉及到国际商业数字零售供应链的方方面面，充满了趣味和挑战。在这里，你将和我们一起，采用大数据技术、人工智能算法、仿真技术等持续解决商业活动中的现实问题，不断创造价值，重塑整个海外零售商业体系，为社会带来更加美好的生活！在这里，您将与优秀的团队、先进的供应链算法技术和激动人心的供应链优化机会紧密合作，共同解决商业活动中的供应链问题，不断创造价值。让我们携手共创海外商业数字供应链的未来！ 我们的具体工作内容如下： 1. 基于阿里国际数字商业的大数据，负责分析和挖掘新零售端到端的供应链运作优化机会，并研发和构建预测、优化和仿真算法提升其运作效率和降低成本。 2. 承担国际数字商业供应链场景中机器学习、深度学习、强化学习、运筹优化、仿真优化和大语言模型等算法的研发、设计和部署等工作，打造国际数字商业的智能供应链算法平台。 3. 承担数据化运营的数据分析和算法设计工作，通过采集业务信息以及应用海量数据，进行数据化的分析处理，为数据化运营提供决策支持。 4. 负责追踪人工智能方向的前沿算法和技术，并将相关算法应用到阿里新零售供应链业务场景中，升级供应链智能化水平。
团队介绍 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。 职位描述 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；