岗位职责
淘天集团AI助手算法团队承担了淘天集团新一代AI原生购物助手的开发工作，通过统一的All in One大模型解决淘宝在不同场景的用户需求。团队在大模型强化学习、Agentic训练、原生多模态训练以及Agent框架设计有着行业领先的认知和实际落地效果。 在这里，你将 ● 全链路模型训练 ○ 深度参与购物场景统一大模型的完整训练周期：预训练退火 → SFT → RLVR → RLHF ○ 你碰到的不是一个冻结的API，而是一个你可以从底层塑造的模型 ● Agent框架设计——让大模型真正"能办事" ○ 设计大模型原生的Agent架构，通过Skill编排、Sub-agent协作等机制，将淘系搜索、推荐、交易、客服等全域能力注入AI助手 ○ 让模型不只是"能聊"，而是"能买、能比、能帮你做决定" ● 奖励信号发现——在真实场景中定义"什么是好" ○ 基于淘天数亿用户的真实交互行为，挖掘和设计最能提升用户体验的奖励信号 ○ 用RL的方式让模型在电商场景下持续逼近SOTA体验 ● 无人区探索——做业界还没有答案的事 ○ 异步实时Agent：用户不等你，你怎么让Agent在真实时间约束下又快又好？ ○ 原生Any-to-Any多模态：文字、图片、视频、商品卡片……如何让模型原生理解和生成一切？ ○ 这些方向没有教科书，我们需要你带着自己的判断力走进去 为什么值得来 你会加入这样一个团队： ● “师兄机制”：为你配置经验丰富的师兄，亲自带你熟悉环境，在进行实习期间进行全方位的指导。 ● 灵活开放的技术氛围：根据你的实际研究内容，结合你感兴趣的方向，量身定制匹配的研究方向。 ● 浓厚的技术氛围：定期记性技术分享，保持对前沿技术的敏感度。 ● 充足的算力资源：学校的卡不够用？在这里不存在的，会有足够的资源支持实验迭代。 收获在学校无法获得的宝贵经验： ● 场景稀缺性：数亿级日活用户 × 极其丰富的电商意图 × 可闭环的商业验证 ● 技术纵深：从模型训练到Agent系统到产品体验，你可以一竿子插到底，而不是只做流水线上的一环 ● 前沿密度：团队在RLVR、Agentic Training、多模态等前沿研究方向持续投入 ● 影响力：你训练的模型、设计的Agent，会直接服务于淘宝用户 我们期待你 ● 在大模型预训练/SFT/RLHF/强化学习中有扎实的实战经验。对Agent/Tool-use/Multi-agent系统有深入理解。 ● 有科研成果或在顶会发表过自己的论文，或在Github有自己的维护的小项目。 ● 有自己的想法想要落地、通过实际场景来证明自己的科研价值。
职位要求
- 计算机科学、人工智能、机器学习等相关领域的硕士或博士在校生。
- 具备较强的分析问题和解决问题的能力，逻辑思维清晰，拥有良好的自学能力。
- 参加ACM或同类型算法竞赛获奖者优先。
