部门介绍
【 】 阿里国际智能供应链与零售经营算法团队，专注于全球零售场景下的供应链、定价与经营决策优化，业务覆盖全球，支撑千亿级零售业务与亿级商品。我们结合大数据、人工智能与仿真技术，构建面向复杂商业场景的智能决策体系，提升供应链效率、优化经营成本与消费者体验。在这里，你将与团队共同探索大模型与智能决策的前沿问题，在真实、复杂、大规模的业务场景中验证研究成果，推动技术创新转化为实际价值。 团队正在建设面向供应链决策的 World Model System，将供应链本体、真实业务轨迹、仿真数据、模型式推演和 AI Agent 结合起来，探索复杂业务环境下的状态理解、未来推演和智能决策。 你将有机会参与从前沿算法研究、数据与本体建设、模型训练到真实业务验证的完整研发过程，并推动研究成果转化为论文、专利和可落地的技术能力。 【
岗位职责
】
- 参与供应链世界模型与模型式强化学习（Model-Based Reinforcement Learning，MBRL）研究，围绕状态表示、动态建模、动作条件预测和未来推演开展算法研发；
- 参与构建面向复杂供应链场景的 AI Agent 与智能决策系统，探索规划、工具调用、反事实分析和动作排序；
- 结合真实业务数据与仿真数据，参与供应链本体、统一轨迹接口和模型评估体系建设；
- 围绕具有研究价值的问题开展算法创新，推动成果在真实供应链场景中落地，产出论文、专利和技术成果。
职位要求
】
- 计算机、人工智能、机器学习、运筹优化、统计学、自动化或相关专业硕士、博士在读；
- 具备扎实的机器学习、深度学习和概率建模基础，理解 Transformer、注意力机制等核心原理；熟悉世界模型、模型式强化学习、图神经网络、时序建模或 AI Agent 中至少一个方向；
- 熟悉以下至少一个方向，并具备相关研究或项目实践： - 世界模型与模型式强化学习：熟悉状态表示、环境动态建模、动作条件预测、轨迹建模或基于模型的规划； - 图神经网络与时序建模：熟悉 R-GCN、GraphSAGE、TCN、Temporal Transformer 等方法，有异构图或多变量时序建模经验； - AI Agent 与大语言模型：熟悉任务规划、工具调用、记忆管理、ReAct 或多智能体协作； - 供应链与运筹优化：熟悉供应链建模、仿真、组合优化、强化学习或模型预测控制。
- 熟练使用 Python、PyTorch 和 Linux，具备良好的算法实现、数据处理、实验设计和结果分析能力；
- 具备科研能力和真实业务数据建模经验，能够处理实体关系、状态、动作、事件、轨迹和评价指标；有论文、专利、开源项目或大模型训练经验者优先；
- 具备良好的逻辑分析、沟通协作和自驱学习能力，愿意深入真实供应链场景推动研究成果落地。 （需base杭州实习）
