基于大模型的推荐算法研究与应用-阿里星/T-Star

【我们做什么】掏出手机，打开你的淘宝（先别去搜索），往下滑，就来到了我们的“猜你喜欢”！淘宝有上亿件商品，还有更多的图片、短视频、直播间。推荐算法团队的工作，就是通过机器学习、AI等算法，从中找到专属于你的中意品，让你体验一把“从打开到剁手”！ 对于电商平台，一个好的推荐系统不仅能帮助消费者更精准地发现ta的中意品（甚至在ta自己意识到之前），也能创造出更多增量的购物需求，从而帮助平台上的货品更快地交易流转。往小了说，提升消费者购物体验；往大了说，创造增量GDP实现伟大复兴！时代在召唤，你还在等什么，快来加入我们吧！ 相关研究课题细分方向如下： ● DREAM 推荐：基于意图引擎和meta-model驱动的agentic 推荐系统 ● DREAM-MetaModel：基于Harness Engineering框架的推荐策略编排Agent ● Agentic 成长引擎：以货找人 驱动的智能供给增长agent ● 去ID化推荐：基于纯模态信息驱动的素材分发引擎 ● 启发式推荐：结合用户意图的AI native 产品形态生产和分发探索 ● 智感双驱体验引擎：协同长短期习惯洞察与个性化效果量化的自进化体验 Agent ● 端智能大模型：多模态大模型驱动的端上意图推理与应用探索 ● 启发式搜推协同：大模型与Agentic驱动的用户知识意图Query生产与个性化分发应用探索 ● 召排一体生成式推荐：基于统一LLM Backbone的指令驱动型召排一体生成式架构 ● Scaling UP：基于大模型架构对齐的推荐精排Scaling Law研究与参数高效扩容探索 ● Scaling UP：LLM驱动的超长用户序列压缩与高效建模技术研究 ● 生成式排序：包含RL训练、多业务卡片生成、多序列生成、序列级价值优化和EG一体化 ● Agentic 意图推荐：基于ReAct架构的相关性&意图迁移Agent研究

1. 01

   计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构。

2. 02

   掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域。

3. 03

   有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先。

4. 04

   对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展。

5. 05

   在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先。

6. 06

   具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。

7. 07

   良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值。

8. 08

   对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。

【加分项】

1. 01

   有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历。

2. 02

   有海量数据处理经验或者大厂实习经验。

3. 03

   在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。