阿里巴巴AI Business-Agent框架平台开发-杭州

阿里国际内部集大模型研究及智能化前沿产品研发于一体的AI部门；自研面向跨境商贸增强的多语言大模型-Marco和多模态大模型-Ovis，依托全球化的AI基础设施和算力资源，帮助AliExpress、Lazada、阿里巴巴国际站、Trendyol、Daraz 等平台全面革新跨境电商全链路的经营体验和商业效率；目前已服务超50万商家，平均日调用量已突破10亿次，覆盖营销、客户服务、商品发布、设计、合规等60+应用场景；正在基于自研的大模型与工程技术，打造新一代的智能体（Agent）和智能引擎（Deep Research）产品，持续致力于让全球商业没有语言障碍，用智能帮助跨境贸易更加简单。 该职位负责构建高性能、可扩展的搜索引擎工程架构，优化搜索效果，支持多模态搜索能力，打造行业领先的搜索产品； 工作职责 1、负责搜索引擎相关系统研发，打造高性能、低成本、多场景的搜索产品 2、设计并实现搜索系统分布式架构，确保系统的高可用性、高性能和可扩展性 3、构建支持多模态（文本、图像、视频）检索的搜索系统架构，推动多模态搜索能力落地 4、负责搜索服务端的开发工作，优化索引构建、查询处理等核心环节 5、与算法团队紧密协作，将搜索算法能力高效集成到工程系统中，实现搜索效果持续优化 6、构建搜索效果评估体系，设计A/B测试框架，通过数据驱动方式持续提升搜索质量 7、保障搜索系统的稳定性与性能，解决高并发、大规模数据处理等工程挑战，支撑复杂业务场景

关于我们： AI Business 成立于2023年4月，是阿里国际数字商业集团设立的一层业务组织，专注于大模型技术能力建设和 AI 原生应用和产品的打造，旨在用最先进的 AI 技术重塑平台竞争力，为商家和用户带来极致电商体验。 作为跨境电商领域的 AI 先锋，我们坚定地相信人工智能对塑造未来电商的关键作用，并坚持对 AI 领域人才的培养和发展。我们已经汇聚了业内顶尖的 AI 算法专家、AI 工程师和AI产品团队，并诚挚邀请有共同使命感、追求创新与卓越的 AI 人才加入我们的团队，共同用AI技术书写数字商业领域的新篇章。 职位描述： 1、负责多语言大语言模型（LLM）的预训练、微调及优化，探索高效训练策略（如低资源语种能力迁移、任务调度优化等），提升模型性能与跨文化场景适应性； 2、构建多模态大模型技术体系，包括图文生成、视频内容生成、多模态检索与信息抽取，支持商品虚拟试穿、智能客服等业务场景。 3、推动大模型与业务深度融合，开发基于LLM的对话系统、Agent产品及RAG系统，优化电商文本生成、跨语言信息匹配、时间序列预测等场景的智能决策能力； 4、设计强化学习对齐算法（如RLHF/DPO），提升模型在垂直领域（如商品推荐、用户交互）的精准度与可控性。 4、实现大模型的高效推理部署，包括模型压缩量化、GPU并行计算优化（如CUDA加速），确保高并发场景下的服务稳定性； 5、探索生成式AI与电商场景结合的前沿技术（如AIGC内容生成、多模态商品检索），推动技术规模化落地。

关于我们： 我们是一支全球化、多元化、专业化的数据先锋团队，以技术为引擎，以数据为纽带，驱动全球20亿消费者与数千万商家的数字化商业生态。立足中国，服务全球，每天处理覆盖东南亚、欧洲、美洲等多时区的跨境数据洪流，在多语言、多文化、多法规的复杂场景中，打造“数据&AI技术驱动业务”的全球化数据中台。 团队致力于构建全新的满足安全合规的国际化大数据架构体系；统一的用户/商品/商家资产体系建设，含统一的DMP和选品平台；面向海外商家数据服务的生意参谋及数据银行支撑业务全链路数据驱动闭环，打造从站外竞对机会发现到商品供给和用户增长的数据智能服务Agent平台。我们秉承简单开放、创新能力、匠心精神的团队文化； 职位描述 Job Description 1. 深入理解行业业务逻辑与用户生命周期，通过用户行为分析、消费心理建模、多源数据融合，诊断业务增长瓶颈，设计可落地的用户价值提升策略（如会员分层运营、场景化精准触达、流失用户挽回等）。 2. 主导端到端增长项目：独立完成从业务需求拆解->实验设计->用户特征工程->预测模型开发（如客户分群/LTV/传播裂变因子挖掘）->策略效果归因的全流程。 3. 搭建业务分析框架：结合行业特性（如电商高频转化、内容平台沉浸度驱动、金融行业信用风险维度），设计可解释的用户标签体系与归因模型，输出用户洞察报告指导产品迭代与运营策略。 4. 与搜索推荐、产品、运营团队紧密协作，推动增长实验、A/B测试落地，结合AI模型结果，持续优化产品与内容分发策略。 5. 支撑用户增长策略的算法能力沉淀与平台化建设，推动AI在个性化推荐、多模态建模、用户行为预测等方向的深度应用。 1. Drive business growth strategies through deep user analytics and lifecycle value modeling, focusing on solving real-world problems like member tier operation, scenario-based engagement, and churn recovery. 2. Own full-cycle projects from business diagnosis to deployment: 3. Develop industry-specific frameworks: Design interpretable user tagging systems and attribution models tailored to sector characteristics (e-commerce conversion loops, content engagement drivers, etc.) 4. Collaborate closely with Search & Recommendation, Product, and Operations teams to run growth experiments and optimize strategies based on AI insights. 5.Contribute to platform-level capability building for scalable, AI-powered growth solutions across personalization, multi-modal modeling, and user behavior prediction.

作为大模型评测研发工程师，将负责“大模型通用Benchmark评测体系”与“业务领域Benchmark构建”的全链路研发：从评测数据集设计、智能化自动化评估方法探索研究、指标实现，到平台化落地，精准衡量模型能力边界，持续驱动模型语料优化与模型迭代 通用 Benchmark 研发 • 持续迭代覆盖语言理解、推理、知识、幻觉、对齐、代码、多模态、Agent 等各个维度的自动化评测框架； • 研究并实现更贴合业务发展的评测方法与指标，构建高效、可扩展、可复现、可解释的评测引擎 业务领域 Benchmark 构建与评测 • 深入跨境电商各个业务领域，构建领域Benchmark，真实反馈模型业务表现 • 设计场景化评估方案，如RAG、Agent、COT、 In-Context Learning等，并形成端到端评测能力； 评测方法研究 • 探索基于 LLM-as-a-Judge、人类偏好对齐、模型解释性等前沿评测技术 • 跟踪 ACL / EMNLP / NeurIPS / ICML / ICLR 等会议，高效复现SOTA方法，形成可比对可参考的评估系统