智能算法产品事业部-大模型算法（Agent方向）-杭州

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。

1. 本科及以上学历，计算机科学与技术相关专业，有较强的逻辑思维能力，能够快速拆解问题和解决问题。
2. 熟悉Dense/MoE语言大模型、多模态大模型，有较强的理论基础和实战经验。
3. 熟悉Agent的当前主流架构，在Memory、Agentic RL等某一方向有实战经验优先。
4. 熟悉SFT、GROP、OPD等Post-training方向上有实战经验，有大模型在实际业务中的应用经验的优先。
5. 了解大模型在搜广推场景的应用优先，有生成式推荐/检索/排序等算法的经验优先。