蚂蚁金服蚂蚁集团-搜推广算法专家-AIRS-1024热招
任职要求
1、在机器学习、统计分析、大数据处理等领域有一定的功底，3年以上相关工作经验；有推荐/搜索/广告等领域经验者优先； 2、优秀的算法应用能力，包括特征提取、模型建立、效果评估、应用部署以及优化迭代等环…
工作职责
方向一：流量算法 负责广告重点流量展位（搜索/feeds/banner/视频类）CPM提升，包括点击率优化，流量策略优化，创意优选，反作弊策略等，助力重点流量位广告匹配效率提升，扩大广告消耗规模 1）掌握广告流量策略优化手段，了解广告全链路相关算法（召回/粗排/精排/重排/创意优选等），至少熟悉其中1道2个环节的原理和细节方案，能够灵活、快速响应问题和解决问题。 2） 熟悉常用的流量优化策略，在流控，频控，去重，打散，混排等流量策略有实际的优化提升经验，能针对不同流量场的特点，针对性的设计优化场的流量策略。 3） 有大规模搜索广告，feeds流广告，以及视频流广告有2年以上实际优化经验者优先。 方向二：行业算法 负责广告重点行业如电商/汽车/游戏等客户的效果优化，智能出价等广告机制优化，助力广告重点行业规模扩量。 1）掌握广告行业和客户诉求，熟练掌握常见的定向、助攻、高价值人群溢价、矫正、扶持、落地页诊断、链路效率排查等等广告机制和技术优化方案，能够灵活、快速响应问题和解决问题 2）洞悉电商/汽车/游戏/运营商等行业、交易/线索/下载唤端产品、自动化投放/系统干预机制发展趋势，掌握GSP等计费机制、深浅转化模型优化、自动化投放技术、针对业务场景的模型优化等等技术，可以针对性的提出和推动和整合相关产研方案、平台能力给出针对性的以及深入的解决方案 方向三：支付宝首页/内容/营销等 1.参与亿级用户支付宝推荐场景算法研发与优化，深入理解推荐业务需求，设计并落地大规模召回/排序/重排等算法，持续提升推荐算法效率与用户体验； 2.通过研究用户表征学习、多源异构数据建模、跨域迁移学习、多场景建模、序列建模、多任务学习等技术提升推荐匹配效率，帮助用户快速发现优质商品、内容与服务； 3.研究推荐冷启动、分人群多目标优化等推荐技术课题，不断探索最新技术。
全球化电商业务的复杂挑战深度融合，持续打造更智能、更极致的全球购物体验，并赋能数百万商家实现数字化经营提效。选择我们，意味着： 1、投身全球领先的电商智能战场： 深度参与高速增长、充满活力的全球化电商业务，直面海量用户与复杂场景的挑战； 2、塑造最前沿的AI技术影响力： 与顶尖技术伙伴一起，探索并构建驱动未来全球电商发展的核心AI能力，你的技术将影响全球数亿消费者和百万商家； 3、无限可能的职业发展空间： 在阿里巴巴国际化的大舞台上，接触世界级的技术难题与业务规模，获得技术深度与业务视野的双重飞跃。 你将参与： 1. 打造支持 Agentic AI、多模态、长上下文推理的超大规模训练架构； 2. 深度优化 FlashAttention、PagedAttention、Continuous Batching 等尖端加速技术； 3. 推动 LLM 与 Recommender System 融合架构的首次规模化落地。 你将负责： 1. 打造行业领先的AI工程平台： 设计并构建支撑算法模型高效迭代的标准化平台体系（特征平台、训练平台、在线推理框架等），打通算法创新与业务验证的“任督二脉”，加速模型价值落地； 2. 攻坚大模型工程化挑战： 深入探索生成式AI（AIGC）技术在实际业务中的规模化落地，主导大模型训练、推理加速、性能优化等核心工程难题的解决； 3. 开拓AI创新应用的边界： 积极探索AI在搜索/推荐/广告（搜推广）等核心场景的颠覆性应用（如生成式召回、生成式排序、行为大模型），以及AI Agent技术在智能运维、资源优化、智能客服助手等领域的创新实践，为业务创造新价值。
1.负责设计和实现高效的大数据实时处理和批量处理系统，支撑京东市场营销、用户增长等业务在站外广告投放场景下的千亿级数据处理； 2.负责百亿级数据报表引擎的设计和开发，提供架构设计和优化方案，支持对百亿级数据做实时分析； 3.负责大模型智能体应用的设计和开发，跟踪业界前沿，探索在智能数据分析、问题发现/诊断/优化方向的应用； 4.支撑算法团队的模型特征和样本数据生产工作，包括理解特征需求、设计和优化系统以提升性能、提升算法迭代效率。
1.负责设计和实现高效的大数据实时处理和批量处理系统，支撑京东市场营销、用户增长等业务在站外广告投放场景下的千亿级数据处理； 2.负责百亿级数据报表引擎的设计和开发，提供架构设计和优化方案，支持对百亿级数据做实时分析； 3.负责大模型智能体应用的设计和开发，跟踪业界前沿，探索在智能数据分析、问题发现/诊断/优化方向的应用； 4.支撑算法团队的模型特征和样本数据生产工作，包括理解特征需求、设计和优化系统以提升性能、提升算法迭代效率。
团队介绍：团队负责广告核心检索系统与在线服务基础架构的持续演进，聚焦分布式系统、高性能服务端架构与云原生平台建设，支撑超大规模流量场景下的高并发、低延迟服务。 1.负责基于大语言模型（LLM）的AI应用（如智能体Agent、知识库问答、自动化工作流等）的设计、开发与落地。 2.深入理解业务需求，利用LangGraph，openclaw等框架，构建高效、稳定的AI应用解决方案。 3.负责检索增强生成（RAG）系统的架构设计与优化，包括数据处理、向量数据库选型与调优、召回策略改进等，以提升知识检索的准确性与效率。 4.进行提示词工程（Prompt Engineering）的设计、测试与迭代优化，充分释放大模型的潜力。 5.参与AI应用的后端服务开发（如使用FastAPI等），确保系统的性能、稳定性和可扩展性。 6.探索并实践大模型评估、多智能体（Multi-Agent）协作等前沿技术，推动技术创新与应用。