阿里巴巴阿里国际-大模型应用算法专家-杭州/北京
任职要求
本科及以上（硕士、博士优先）；计算机科学、数据科学、人工智能或相关专业背景； 技术能力： - 扎实的机器学习与深度学习基础，熟悉常用算法及模型结构； - 至少精通一门主流编程语言（Python、Java、C/C++其中之一或多种），具备分布式系统开发实战经验； - 熟练掌握Pytorch、Tensorflow或其他主流深度学习框架，具备大规模模型训练与调优经验； - 数据敏感度与逻辑分析能力出…
工作职责
阿里巴巴国际数字商业集团的智能技术团队，负责阿里巴巴旗下多个国际化电商平台的搜索、推荐、广告、用增、营销、大模型应用等技术。 团队致力于将最前沿的AI技术与国际化电商业务问题深度结合，为用户打造更好更智能化的网上购物体验，同时赋能百万商家实现更高效的经营。 选择加入我们意味着投身入于高速发展的国际化电商业务，一起打造最先进的AI技术以驱动全球电商业务发展。 ● 聚焦前沿大模型技术在电商场景的应用与创新，推动商品理解领域的智能化转型； ● 负责大模型算法的研究、优化及落地实施，涵盖大模型后训练、领域专用大模型、多模态大模型、RAG、Agent等前沿技术； ● 针对电商场景，探索并实现大模型在商品属性挖掘以及抽取，结合搜索及商家服务等环节中的应用，全面提升搜索体验与运营效率； ● 深入挖掘行业数据特性，与产品及研发团队紧密协作，将技术成果转化为实际产品竞争力。
DirectLLM是小红书内部面向各业务场景建设的大模型API服务产品，通过标准化API接口提供LLM/MLLM等大模型推理服务，致力于为AI应用开发者提供品类丰富、数量众多的模型选择，并通过API接口为其提供开箱即用、能力卓越、成本经济的模型服务，各领域模型的能力均可通过统一的API和SDK来实现被不同业务系统集成。 工作职责： 1、参与/负责大模型推理服务平台（MaaS）的架构设计、系统研发、产品研发等工作； 2、深入参与面向大模型场景的请求调度、异构资源调度、引擎优化等核心工作，实现千亿级Token并行推理平台； 3、为内部产品线提供解决方案，协助公司内用户解决大模型应用过程中业务在平台上的使用问题。
小红书的AI技术中台目前由ai技术部负责建设，通过标准化的AI技术能力提供支持公司各个业务团队，实现AI能力的共享和复用，提升技术资源的利用率和公司的创新迭代速度，并降低技术成本和稳定性风险 1、跟踪前沿AI算法进展，并将相应技术赋能到小红书实际的业务场景中，包括社区，商业化，交易，agi等 2、在AI平台之上构建应用层，可接触到大模型各种可能的落地场景，如知识问答，智能助理(AI取数、智能客服等场景)，大模型工具（SFT）等 3、探索大模型技术在搜广推场景的落地方案
业内研究表明，生成式的推荐系统存在Scaling Law现象，Scaling Law的出现相较于现有推荐系统无法通过扩充持续提升效果的现象，提出了新的可能性。该团队负责小红书生成式推荐方向，目前已经完成了原型架构的开发和线上验证，欢迎业内在推荐/广告/搜索等领域的专家一起，共同探索生成式推荐在真实业务场景的价值。 【职位描述】 1、负责生成式推荐在小红书社区推荐&展示广告场景的研发； 2、在生成式架构下，重新思考传统推荐架构中的行为建模技术（如超长序列、多兴趣等），并在召回/排序等场景中进行应用； 3、与MLLM和架构团队配合，将其他生成式模型的知识和能力迁移进实时的生成式推荐架构中；
方向一：搜推效率、生成式、店品券 岗位职责： 1、负责搜索/推荐业务的召回、粗排/精排算法设计和优化，提升大盘转化效率； 2、负责用户、商户、query、营销信号等各维度特征、模型样本等基础模块的搭建和优化； 3、应用机器学习/深度学习、生成式推荐等算法技术，优化召回/排序模型，推动生成式推荐算法的工业落地； 4、与上下游的数据、工程、产品等团队紧密配合，把算法模型等上线到业务场景中，提升业务效果； 5、跟进推荐系统前沿研究方向，结合业务场景进行创新与落地，做技术沉淀和paper发表。 方向二：大混排（统一混排）、全站推 岗位职责： 1、负责混排（信息流+商业化）算法的设计和优化，提升流量变现效率和用户体验； 2、建立并优化目标函数，通过混排多目标优化平衡用户体验 & 平台收益； 3、结合用户画像、内容特征、广告属性等多维度信号，构建高效的特征工程与模型； 4、应用深度学习、强化学习等技术优化推荐与广告混排效果； 5、与工程、产品、运营团队密切协作，将算法落地到生产环境，并持续监控与优化效果； 6、跟踪前沿的推荐与广告算法研究，推动新技术在业务中的应用。