岗位职责
- 基于大语言模型（LLM）和多模态技术，深度融合用户行为序列与跨域交互数据，构建AI-native的阿里全域消费者识别与认知体系，实现从传统标签画像到生成式用户认知的范式升级。
- 负责全域用户记忆资产的研发与落地，构建覆盖多业务域的跨域用户认知体系。基于LLM的用户行为理解与结构化记忆抽取，打造高质量、低成本、可自演化的用户Memory资产生产管线，支撑集团各业务线Agent的个性化服务能力。
- 负责记忆资产生产全链路的技术研发，包括MapReduce式记忆抽取Pipeline设计、多维度质量评测体系（MemBench）建设、大模型到小模型的蒸馏训练（OPD/RL/DPO），以及记忆检索与召回策略优化，持续提升记忆资产质量并降低推理成本。
- 参与前沿技术探索与学术产出，在记忆自演化机制、跨域协同推理、Memory-Grounded Reward等方向开展创新研究，撰写发表顶会论文，参与开源社区与技术影响力建设。
职位要求
- 硕士及以上学历，计算机科学与技术、人工智能、数学等相关专业；有LLM/NLP/知识图谱方向研究背景优先。
- 2年以上大模型相关算法研发经验，熟悉常见深度学习框架（PyTorch优先），有大模型后训练（SFT/RL/蒸馏）或Agent系统开发经验者优先。
- 扎实的工程实现能力，能独立完成从问题定义、数据构建、模型训练、评测迭代到线上部署的全流程；熟悉大规模推理平台（如vLLM、SGLang）和数据处理框架（如Spark、ODPS）者优先。
- 具备良好的问题分析与解决能力，对前沿技术保持敏感度；有顶会论文发表（一作或通讯）或高质量开源项目贡献者优先。
