智能互联淘天算法技术-生成式推荐/大模型应用算法专家-杭州*

1. 负责设计和落地Session实时意图感知的AI导购方案，包括但不限于用户多模态异构行为序列的意图分析能力、推理能力、大模型在线推理加速能力，实现不同需求状态下的最优决策学习，提升大模型推词体验和效率。 2. 深入理解电商用户需求，负责通过定义分类目决策属性、构建多模态商品理解知识库、建设个性化AI对比总结能力等方式，提升用户在实际购物过程中多商品对比挑选决策效率，打造标品和非标品下的购物指南体验。 3. 持续跟进LLM/MLLM方向的前沿进展，将各方向的SOTA能力集成到模型底座上，提升下游任务效果，打造团队的技术先进性。

1. 参与搜索生成式大模型核心技术研发，包括Continued Pre-Training、多表征alignment, 垂域SFT、RLHF等，持续追踪和应用领域最新技术进展； 2. 基于淘天用户丰富的消费行为，打造技术先进的电商用户行为理解、用户行为推理大模型，提升对用户的个性化行为本质的认知能力，支撑用户个性化的搜索业务场景； 3. 基于淘天海量商品数据，探索电商多模态表征特征构建范式，提升对多模态异构的商品数据(图、文、视频等)的理解能力和推理能力，结合LLM丰富的通用知识，打造电商类生成式搜索大模型； 4. 参与电商垂类数据的需求整理、数据清洗、个性化推理数据合成。 5. 持续跟踪、探索大模型/多模态大模型方向的前沿技术，将各方向的SOTA能力集成到模型底座上，提升下游任务的效果，打造团队的技术先进性。

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。