阿里巴巴算法技术-冷启推荐研究型实习生项目-推荐算法实习生
任职要求
1. 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生； 2. 熟练掌握Tensorflow、Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力； 3. 熟悉多模态模型的建模与建模，有多…
工作职责
1. 探索多模态（去ID化）在电商冷启场景的落地，优化冷启商品/内容的分发效率； 2. 探索冷启动与跨域推荐，构建可迁移的统一冷启推荐大模型，实现不同业务场景下的高效迁移和应用； 3. 优化大规模模态编码器的训练及推理策略，提高资源利用效率，降低模型训练时间和GPU内存消耗； 4. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。
1、负责淘特搜索算法体系建设，包括Query理解、相关性优化、超大规模的召回/精排/重排等链路优化，底纹/下拉/搜索发现等导购产品优化，广告与自然结果智能混排机制、优质商品的冷启/助推/打爆等商品机制的构建，提升用户搜索买的购物体验，提升成交、营收规模等。 2、负责淘特推荐算法体系建设，深入理解用户需求，设计优化推荐全链路包括超大规模的召回/粗排/精排/重排等链路提升推荐效率，基于认知智能等提升推荐的发现性、丰富性等用户体验指标，并构建广告与自然结果智能混排、商品成长等机制策略，提升营收规模、优质供给数量等； 3、参与前沿问题的探索与研究，结合实际应用场景，提供全面的技术解决方案。
团队介绍 淘宝搜索是阿里巴巴亿级用户交易的核心引擎，也是全球电商领域技术创新的风向标。在这里，你将： 1、深度参与大模型与电商搜索的全场景融合：从LLM、多模态大模型（MLLM）到强化学习（RL），探索技术无人区。 2、定义电商搜索的技术范式：推动SKU引擎、超大规模索引、用户意图理解等技术的突破。 3、打造亿级用户产品：你的代码将直接影响数亿消费者的购物体验与千亿级GMV的达成。 核心方向：大模型驱动的电商搜索革命 1. 负责淘宝搜索算法的设计与优化，针对新品引入、下沉市场用户行为及流量分发机制，提升搜索用户体验与商业价值； 2. 研究并实现用户画像建模、搜索排序策略及细分场景（如长尾商品、低线城市用户）的精细化推荐算法，优化点击率与转化率； 3. 参与搜索流量机制的建模与迭代，结合大数据分析与机器学习技术，推动搜索系统效率指标提升； 4. 冷启和下沉人群模型构建，包括但不限于生成式召回/LLM4ranking 等。 5. 跨产品、数据、工程多团队协作，通过完备的实验验证算法效果，并推动技术方案在生产环境的落地与持续迭代。
岗位职责 1.设计并优化广告推荐策略，包括点击率（CTR）预测、转化率（CVR）建模、ROI建模等； 2.基于各类数据，优化用户画像和场景特征，开发个性化推荐算法，提升广告匹配效率和用户体验，包括但不限于媒体用户冷启优化等； 3.分析广告推荐数据，持续迭代算法模型以提升ROI（投资回报率）； 4.与产品、运营团队协作，推动算法在广告平台中的落地实施； 5.研究前沿机器学习/深度学习技术（如大模型、图神经网络），探索广告场景下的创新应用。
1. 参与亿级用户规模的推荐系统优化，提升笔记发布量和发布作者规模，繁荣作者生态； 2. 基于因果推断、大语言模型等技术优化流量分配机制，提升新笔记冷启效率，促进社区长期健康发展； 3. 负责小红书全站关注关系构建和关系内容分发，通过内容推荐和用户推荐，提升私域规模和用户社交体验； 4. 跟踪业界深度学习/强化学习/跨域学习/图网络等领域前沿进展，灵活应用于业务中取得实际收益。