阿里巴巴数字零售技术部-大模型算法工程师-北京

AliExpress广告算法团队负责搜索推荐广告的召回、排序优化 1. 设计和优化推荐广告业务下排序模型和后链路重排等，提高用户体验和业务效果 2. 利用最新的LTR、多任务学习、多模态技术、超长序列建模和图神经网络等技术在相关领域的进行应用和创新 3. 探索大模型在电商推荐领域排序方向的应用 4. 深入理解用户行为和业务特点，分析业务增长点，推动业务进展并落地 5. 持续跟踪业界最新算法趋势，推动整体系统的创新和升级

依托阿里巴巴集团强大的技术生态，基于菜乌深耕多年的物流供应链产品技术中后台，搭建具备跨境出口业务特色的小包裹物流履约产品技术体系。 通过对接全链路各环节的物流资源，搭建C2G全球网络。基于信息流高效协同“揽收、调拨、集运、组包、配舱、清关、卡班运输、未端派送、逆向退回等”各物流环节，提供“优先、标准、简易、经济等”各样时效等级的物流产品与解决方案，完成前台电商供应链的物流需求履约。 通过工程、数据、算法的结合，对包裹可达计算、线路路由、订单分配、大包配舱、时效预测、异常管理等环节进行辅助与优化，助力提供具备一定成本、时效优势，服务稳定的物流服务。 1、针对跨境物流的计划场景，做单量中长期预测、包裹全链路时效预测等预测算法，制定合理、有效并具有一定创新性的技术解决方案。 2、深入理解业务特性，参与大数据分析和挖掘，与业务方做深度的交流与协同。将算法应用到实际场景，解决复杂业务问题。 3、持续优化预测算法效果，保障在日常以及大促期间的业务使用体感，适应业务的快速发展和变化。 4、在基础技术之外，跟踪业界最新算法趋势，尝试大模型等新型AI技术在预测算法中的应用，确保技术领先进性。

# 关于我们 我们正在构建面向全球物流网络的 AI Agent 自动决策大脑。通过大模型（LLM）、智能体协同与自动化推理，让系统具备“感知-思考-行动-学习”的闭环能力，驱动“服务采购、干线运营、分单决策、全链路调度、端到端监控、成本分析优化”等核心业务系统的全面智能化，实现资源规划、智能分单、运力调度、异常自愈等关键功能。这是一个将前沿 AI 技术与真实商业场景深度结合的创新战场，是每天影响数百万包裹命运的生产系统。 # 主要工作内容 ● 设计并实现基于 LLM 的 AI Agent 架构，支持任务分解、工具调用、多智能体协同与反馈学习； ● 开发智能决策引擎，将业务规则、实时数据流与大模型能力深度融合，构建可解释、可干预的自动化系统； ● 主导 Agent Workflow 编排系统建设，优化 Prompt Engineering 策略，提升模型在物流垂直场景的准确性与鲁棒性； ● 推动 AI 能力与后端工程系统的无缝集成，确保高可用、低延迟、可监控的服务体验； ● 探索 RAG、Function Calling、Memory 机制等前沿技术在物流调度中的落地路径。

1、负责搜索推荐系统的算法设计与优化，提升用户搜索和推荐的精准度与满意度。 2、研究和应用深度学习、强化学习、大模型等技术，优化算法包括但不限于，个性化召回&排序算法、全链路策略机制算法、Query理解和商品相关性优化。 3、参与系统架构设计，确保算法在大规模数据和搜推多场景下有效。 4、与产品和数据团队紧密合作，通过数据驱动优化业务策略和算法模型，解决关键业务问题，提升用户转化和留存。 5、跟踪业界最新技术动态，推动搜推技术的创新和应用。