智能互联淘天算法技术-语音算法（AI助手）-北京/杭州*

1、参与语音助手在电商领域应用的相关算法工作，打造业界先进的电商语音AI助手 2、参与语音增强、说话人识别、语音识别、语音合成、上下文管理、文本问答、多模态问答、MobileUse等相关核心技术的研发 3、负责对语音AI助手进行效果和性能优化，持续提升用户体验 4、跟踪业界前沿技术，进行技术预研

1、负责电商领域的多模态大模型/AIGC算法； 2、服务于淘宝图搜核心业务的大规模视觉和多模态大模型算法技术方向，包括商品多模态理解(VG）、图像理解（open-vocab detector、OCR、服饰细粒度分类等）、图像/多模态表征； 3、致力于为淘宝搜索核心业务打造行业领先的计算机视觉创新技术。

我们在建设淘宝下全场景统一的多轮需求预测Agent，定位是：在淘宝购物过程中（搜前、搜中、搜后、购后），能够及时捕捉用户的兴趣偏好，通过query的方式对用户进行引导。该能力是淘宝搜索导购的一个重要能力，每天影响亿级别用户的消费决策。主要的工作包含不仅限于以下： 1、需求预测Agent的长程多轮推理与系统自进化：面向需求预测Agent在被动交互、隐式非稳态反馈与毫秒级延迟下的三重挑战，我们探索如何实现Session内多轮长程信用分配、如何构建预算感知的 Harness自进化机制、以及如何在毫秒预算内完成多层异质决策的单次高效推理，支撑端到端优化闭环。 2、电商场景下的基于用户多模态复杂行为的Memory系统设计：面向电商Agent在高频隐式多模态信号、意图非稳态耦合与工业级RT约束下的三重挑战，我们探索如何构建无显式边界 Session 的层级化记忆组织体系、如何实现基于信息增量驱动与规则约束的双轨衰减更新机制、支撑复杂场景下的精准记忆沉淀闭环。 3、多模态行为序列压缩与跨场景统一模型的融合训练和分级推理：面对行为序列膨胀与毫秒级延迟的双重约束，如何对文本/图片/行为meta进行差异化语义压缩以控制token规模；如何生成跨场景连贯的个性化Query表达，通过跨场景蒸馏将多场景能力融合至统一VLM。

1、参与电商大模型智能体产品研发，包括框架设计、算法开发、迭代优化等 2、根据业务产品形态对大模型进行post training（SFT/RLHF等）优化、结构优化、prompt engineering等 3、基于LLM的机器人AI Agent模块与产品其他功能模块交互的工程实现 4、跟进大模型智能体前沿技术趋势，结合实际业务需求，将技术应用到实际业务场景