智能互联淘天算法技术-营销&权益算法工程师-杭州

1、基于淘工厂营销权益发放场景，负责电商场景中的红包、优惠券等权益的定价和发放机制。探索个性化、智能化、可调控的权益分配机制，提升权益对用户转化与GMV增长的撬动作用； 2、优化营销权益预估模型和运筹调控模型。基于因果推断/深度学习构建通用精准Uplift模型体系，准确预估营销干预的因果效应，持续提升整体投放的增量效益。针对各类约束下的权益投放场景，结合运筹优化，强化学习等技术，实现在投资约束精准达成下的目标优化方法； 3、结合淘工厂营销业务场景特点，构建面向用户的多天、多场景、多权益类型、多张权益的算法建模能力。并探索生成式权益定价的能力，基于生成式方法对用户权益轨迹做建模，引导用户LTV逐步成长； 4、权益和搜推联动优化，权益发放融入用户需求，搜推排序感知用户权益，构建用户x权益x搜推的一体化建模，达到全局效率最优。

该岗位主要负责淘工厂、淘特的用户权益和商品营销定价算法优化，通过深度学习、强化学习、因果推断、运筹优化和LLM等算法技术，探索商品的动态定价机制与营销策略，提升用户权益的精准性和ROI，提升商家经营效率， 提升消费者购物体验帮助用户用更优惠的价格买到更满意的商品。欢迎有好奇心、敢于接受挑战的候选人加入我们，一起借助前沿创新技术为用户更好的创造价值，构建面向复杂电商场景的商品智能定价 & 用户智能补贴权益系统。 岗位职责包括但不限于： 1. 商品智能定价引擎，负责融合大模型、因果推断、强化学习与多模态理解等前沿技术，研发面向营销与定价场景的生成式AI能力，包括构建商品价量模型和由大语言模型驱动的智能定价策略生成系统，自动生成可解释且可执行的动态定价和商品运营策略建议。 2. 红包&优惠券用户权益发放，基于淘工厂、淘宝特价和淘宝买菜核心营销权益发放场景，负责电商场景中的红包、优惠券等权益的定价和发放机制。探索个性化、智能化、可调控的权益分配机制，提升权益对用户转化与GMV增长的撬动作用。 3. 增益建模。基于因果推断，深度学习构建通用精准Uplift模型体系，准确预估营销干预的因果效应，持续提升整体投放的增量效益。 4. 运筹优化与权益调控。针对各类约束下的权益投放场景，结合运筹优化，强化学习等技术，实现在约束精准达成控制下的目标优化方法。 5. 权益-搜推联合优化。以提升用户购物体验为目标，结合搜索、推荐和大模型技术，探索新的权益定价和发放范式 我们提供 1. 高空间的舞台：算法创新将直接应用于亿级商品、用户的业务场景，让你的技术才能得到最大程度的发挥。 2. 前沿的技术挑战： 跟踪大模型、AI Agent、RAG、强化学习等前沿技术进展，探索其在供给预测、动态定价、自动营销等场景的创新应用，推动“AI for Business Decision Making”在电商领域的深度落地。 3. 充足的资源支持： 享有淘天集团顶级算力、海量行为与商品数据，以及鼓励快速验证、容忍试错的创新文化。 4. 清晰的成长路径： 完善的技术晋升通道与跨团队协作机会，支持您在算法深度与商业影响力上同步成长。

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。