T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2026年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 在这里，你可以基于淘天海量商品数据，打造技术先进的电商多模态大模型，提升对多模态异构的商品数据(图、文、视频等)的理解能力和结构化能力，输出底层算法能力和高质量结构化数据，支撑发布、比货、导购等多种电商业务场景，并面向商家和消费者探索AIGC等创新业务应用。工作内容包括模型结构设计、训练任务设计、预训练和下游能力建设等； 参与跟踪、探索大模型方向/多模态预训练方向的前沿技术，将各方向的SOTA能力集成到模型底座上，提升下游任务的效果，打造团队的技术先进性。

● 主导面向科学场景的基础模型与核心算法研发，包括但不限于：科学基础模型（如分子，蛋白质、基因，细胞等），生成式AI模型在科学任务中的设计与优化，多模态科学数据的表征学习与推理算法，基于智能体的自动化科研探索； ● 探索端到端的智能建模范式，快速迭代并构建高性能、可落地的AI系统； ● 结合大规模分布式训练与高性能计算，产出高影响力技术成果（论文、专利、开源项目或云上服务）； ● 推动AI for Science方向的技术沉淀与产品化，强化阿里在该领域的技术领导力。

1. 支持ModelScope（魔搭）平台的服务建设，围绕模型为中心，建设涵盖数据集、创空间、工具服务化生态等平台组件研发和后台服务的管理； 2. 通过与底层云基座打通，打造ModelScope平台的服务自动弹性和水平扩展能力，为千万级别的开发者用户提供稳定的服务，实现高效的计算资源使用。构建开源平台上“模型即服务”的完整生态； 3. 参与大模型推理框架以及定制微调技术的研发与优化。围绕ModelScope的模型生态，开发各领域开源模型（尤其是LLM以及AIGC领域模型）实现应用落地所需的相关工具链生态。支持模型从ckpt落地为实际应用所需的自动化部署，评测等一系列工程链路，以及Agentic应用生态的落地; 4. 参与跨部门、跨公司、以及与全球开源社区的协作，探索AI领域前沿技术研究与创新，推动包括大模型在内的各领域最前沿模型生态的发展和推广； 5. 撰写技术设计文档以及用户文档，包括操作手册和最佳实践指南等。

参与AI场景高性能文件存储系统研发，包括： 1、文件系统元数据与数据系统架构设计，以及元数据和数据分离策略下的一致性保障机制； 2、分布式数据和元数据管理，高性能的分布式一致性协议； 3、通过基于访问热度统计，结合启发式算法比如机器学习算法进行文件聚类，结合新型存储介质比如 ZNS SSD 提高存储空间利用率，提升 SSD 使用寿命； 4、用户态文件系统（FUSE）与内核态协同的零拷贝访问技术，并且能和 AI 训练框架（比如PyTorch/TensorFlow）和推理框架（vLLM，SGLang等）深入融合，构建计算侧高性能的分布式缓存，提升 AI 场景端到端性能。

1688作为B 端电商平台，服务百万级供给侧商家与亿级采购需求，正在打造B类电商的 OpenClaw：以 A2A（Agent-to-Agent）为核心的多智能体底座，将传统电商强依赖的搜推技术架构，升级为以买家需求为起点的端到端任务交付的A2A技术体系，极大提升买家的采购效率与生意确定性。该岗位的具体工作职责包括： 1.买家多Agent 建设：基于用户行为/交易/询盘等数据，构建买家侧 Agent，打通多模态理解、需求推理与“找挑询付履”任务流规划，实现从买家需求到AI 找品/挑选、询盘/跟单、财税等端到端任务交付。 2.买家/商家/平台AI客服建设：建设买家/商家/平台一体化智能客服，覆盖咨询导购、接待报价、平台服务与交易保障，支持多轮对话与流程化处理，提升服务效率与成交确定性。 3.A2A 技术底座与链路落地：建设 A2A 多智能体与大模型底座，结合 SFT/Post-train、DPO/RLHF、RAG/知识增强、Agent 强化学习与工具/技能体系，提升长链路任务成功率，支撑“找—挑—询—付—履”端到端交付与规模化落地。

1、AI for Rec: 研究如何利用模态对齐、用户行为CoT等技术手段, 基于LLM的推理能力和世界知识提升对用户个性化偏好的刻画，赋能电商场景下的模型预估，实现更精准的人货匹配； 2、生成式推荐: 包括推荐领域下生成式模型相较于判别式模型的优劣对比，生成式训练范式设计、生成式模型结构优化、基于RL的排序目标对齐等方向，设计有scale-up能力的模型方案； 3、ai-infra下的模型落地: 负责大模型infra下的预估模型落地，包括更加算力友好的算法方案设计、训练加速、线上部署、链路优化、计算复杂度优化等，推动先进技术成果的规模化落地。

我们正致力于用AI技术打造服务于千万中小企业工厂的智驾经营Agent，重构B2B电商的经营体验。1688决策大模型与智能体算法专家具体工作职责包括： 1. 负责研发行业领先的B2B商业世界模拟器，利用海量多模态与交易数据构建电商虚拟沙盘，为Agent的大规模强化学习提供基础环境； 2. 负责构建大规模多智能体系统（MAS）的协同与自进化框架，研究并落地基于Agent反思、经验蒸馏的群体进化算法； 3. 深入真实商业博弈场景（如定价、营销、供应链运筹），研发基于商业反馈的强化学习（RLHF/RLAIF）与大模型可解释推理算法，在真实业务中拿到显著的收益。

1、大模型结构设计：解决模型结构的基础问题，优化模型长窗口效果和性能，通过模型结构优化提升训练效果和训练效率； 2、统一架构：设计并研发多模态大模型理解和生成的统一架构，通过高效Transformer结构、位置编码优化等，实现对图像、视频、文本的深度语义理解与高保真内容生成。

我们是负责ICBU - AI +Search 的搜索算法团队。团队通过AI的赋能，让买家理解更加智能与精准，让买家体验更加丝滑，为平台高质量买家增长、留存打下坚实的基础。 1、业务上，你能深入了解： （1）全球买家的特色：多国家、多语言、多行业； （2） 场景上不同的心智与差异：找品赛道、找商赛道、多模态搜索以及创新深度搜索，为我们提供更多可能的技术探索； 2、技术上， （1）LLM的深度探索与定制：多模态—CPT、对齐、推理、生成 ；文文：场景数据的post traing、定制化的任务设计以及与rag、强化学习等技术结合； （2）有挑战&有趣的效率系统：探索国家差异化、不均衡、冷启、双赛道的持续创新； （3）机制-运筹学，从宏观层面清晰系统问题，给予平台指挥棒。 智能搜索 ·通过建设具备Alibaba.com特色的多模态表征大模型、多模态reasoning模型，智能实现：用户搜他想搜，找他想找的能力，助推买家增长&留存，打造独特的多模态理解能力； ·通过建设具备To B电商知识的深度思考大模型，逐步拆解买家的诉求，提供清晰的路径以及方案，实现搜索智能化的漂亮转身； ·通过深度应用大语言模型技术与强化学习技术的结合，实现高效、精准的信息匹配，并能够完成流量分配决策的智能化，推动业务增长，实现买家、商家、平台三方共赢。 1. 我们所在的组是为全球最大的B2B电商-alibaba.com搜索算法业务服务，致力打造全球顶级的搜索引擎，为买家带来极致的采购体验。 2. 探索大模型推理、强化学习等技术跨境电商AI创新业务落地，包括但不限于基座模型的训练，数据的整理，技术创新，重构B2B Sourcing的全新交互体验。 3. 负责跨境电商大模型的研发，包括SFT到RLHF的LLM全链路post-training技术建设。 4. 负责LLM的前沿技术探索，持续迭代自研模型能力，支撑搜索创新的落地。

1. 大模型训练系统研发：构建支持百亿～万亿参数规模的高性能分布式训练框架，覆盖稠密模型与稀疏MoE模型，探索万卡级别的扩展与调度优化； 2. 大规模分布式推理系统优化：构建支持超长序列的并行推理引擎，结合缓存管理、自动并行、量化、蒸馏等手段优化成本与时延； 3. 强化学习与对齐系统建设：研发多种强化学习与对齐算法（如SFT、RM、RLEF等），提升模型在数学、代码、多模态等领域的推理与对齐能力; 4. Agent系统与交互智能体研发：探索多工具、多Agent协同、复杂任务长链推理任务，构建奖励模型、环境沙箱、Tool-use机制，支撑未来具身智能与Agentic RL的发展； 5. 工程×算法融合创新：将前沿算法（如量化、剪枝、稀疏化、动态蒸馏、神经架构搜索等）落地到生产级系统，实现算法优化与系统性能双提升； 6. 工程&应用&业务结合方向，与算法、系统、业务团队紧密协作，在电商、内容生成、智能客服等超大流量场景中实现 LLM、VLM、Diffusion 等模型的工程闭环。

1、负责语音生成/语音识别/语音合成/声纹/语种/情感等方向的算法研究和开发； 2、负责语音信号处理的相关算法研究和开发，包括语音增强、回声消除、混响消除、自动增益控制、波达方向估计、波束形成等； 3、负责口语语言理解/用户意图理解/对话模型/语音交互等算法研究和开发； 4、语音统一多模态大模型：研究下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模。

T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2026年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 在这里，你将成为大模型技术落地的“幕后推手”。你将参与构建支撑千卡/万卡规模的 AI 计算基础设施，通过软硬件协同优化，解决大模型在训练、推理、调度全链路中的工程挑战。你的代码将直接决定大模型训练的效率、推理的响应速度以及集群资源的利用率，为 AI 时代的算力底座注入核心动力。 具体的职责包括以下相关方向的一项或多项： 1.算力基建与分布式训练：深入分布式训练架构，优化通信与底层算子性能，解决大规模集群通信瓶颈，提升模型训练的吞吐量与计算效率。参与研究新的训练框架和模式； 2.极致推理加速：针对大规模推理场景，研发高性能推理引擎，通过kernel及框架、与算法结合的有损优化等手段，实现极致的低延迟与高并发； 3.智能化资源调度与系统：构建大规模 GPU 集群的统一调度与编排系统，实现算力资源的弹性分配与自动化调度，设计与优化面向 AI 计算场景的高性能通信、存储系统，保障海量任务的极致的效率； 4.工程效率与平台化建设：打造一体化的平台，覆盖大模型研发和迭代的全流程，降低模型迭代门槛，提升研发效能。

1. 负责多模态理解/生成算法研发，如Diffusion Models 、 GAN 、 VAE 、 Autoregressive Models、强化学习等，聚焦影视级镜头的理解评估和可控生成技术优化，重点解决生成质量、可控性、可编辑等问题； 2. 结合实际业务场景需求，完成模型的设计、训练与调优，并快速推进生成模型在相关场景的产品化落地。

T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2026年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 紧跟业界最新自然语言处理技术动态，深入研发并努力创新自然语言处理相关的知识库、词法、句法、语义、文档分析、深度学习、机器翻译、智能对话等技术，包括新颖的算法/模型的提出，模块的实际开发，对接自然语言处理平台的接入以及把高水平研发成果以论文/专利等形式进行发布； 在这里，你需要理解自然语言处理技术应用的相关的业务场景及需求，在自然语言处理技术内核的基础上考虑业务场景的特殊性进而适当适配业务需求；  在这里，你除了在核心技术研发之外，也有机会参与到具体的NLP相关业务中，例如文本内容的理解，商业场景的多语言多模态翻译和沟通，搜索Query分析、智能对话的语义解析及意图理解、商品评价的语义理解、内容搜索推荐的结构化分析、商品搜索推荐的标签体系、社会化问答的文本分析、智能客服的场景定制等。 加入我们，起来夯实基础、赋能商业，实现技术与商业的完美结合，共同推进自然语言处理技术赋能平台化、服务化策略，不断追求技术的深度以及技术与业务的适当解耦。来吧，我们等你加入！

阿里国际风险管理部算法团队，负责国际电商（AliExpress、Alibaba国际站、Lazada、Daraz等平台）的商品风险、互动内容风险、营销反作弊、恶意行为、欺诈、虚假交易等各类风险的模型建设，综合利用各类的算法进行风险治理。面临多语言、多国别、复杂多变的风险，目前聚焦于下一代AI技术进行风控系统的升级，提升风险识别和治理能力。 负责国际化多语言多模态大模型的优化以及智能体的构建，落地到商品风险防控、营销作弊、欺诈等各类风险治理中，包括但不限于： 1、多语言多模态电商大模型的优化，包括多语言多模态电商数据挖掘与清洗、数据配比、模型预训练、任务微调、强化学习偏好对齐等； 2、参与智能体框架的设计与实现，推动在各类治理场景中的落地。

负责面向异步长程任务的主动式Agent研究，重点探索Agent在长时间跨度、多步骤复杂任务中的自主规划、主动推进与自适应纠偏能力。研究方向涵盖长程任务分解与动态重规划、主动式交互机制设计、跨session状态管理，以及支撑上述能力的Agentic Model post-training方法，并推动研究成果在Accio实际业务场景中落地。 1、研究异步长程任务场景下Agent的核心能力建设，包括任务分解与规划、执行监控与自主纠偏、主动通知与用户交互策略等； 2、设计面向长程Agentic能力的post-training方案，探索适配异步任务特性的数据构造、奖励建模与训练方法； 3、构建长程异步任务的评测体系与仿真环境，弥补现有benchmark在任务时间跨度、多轮交互、并发协调等维度的空白。

你将参与「AdMind：大模型重构推荐广告增效新范式」项目，围绕 Lazada 搜推广与展示广告场景，重点负责： 1、基于 LLM、行为大模型、多模态模型、强化学习等前沿技术，探索并实现生成式推荐、检索增强推荐、精排大模型等新范式，解决表征学习、长序列建模、多模态多语种理解、复杂行为理解等挑战； 2、参与模型训练、离线评估、在线 A/B 实验及业务闭环，推动前沿技术在大规模生产环境中的真实落地； 3、参与技术方案讨论、代码开发与优化，有机会参与顶会论文撰写与技术博客输出。

1.主导GRPO/PPO/DAPO等Alignment算法研发，提升模型在B2B复杂场景下的长链条推理、Tool-use及自省纠错能力； 2.基于1688海量买卖家交互数据，搭建针对B类生意场景的模拟器或世界模型，通过模拟博弈持续优化Agent的最优决策路径； 3.参与千亿级模型的继续训练与Multi-Agent RL训练，构建openclaw的大脑，同时推进落地； 4.将业务突破转化为学术成果，支持在 NeurIPS、ICLR、ICML 等顶会发表高质量论文，或推动相关算法在社区的开源，建立行业影响力。

1. 主导大模型核心技术的研究，聚焦但不限于：高质量合成数据生成、Agentic RL、多模态大模型等方向； 2. 深度参与Agent架构在电商核心场景（如对话式导购、智能客服等）的端到端设计与部署，显著提升用户体验、转化效率与平台智能化水平。

1、负责集团端管云全链路场景下安全大模型能力建设，针对各类不同意图的各类智能体（GUI Agent / API Agent）构建高效能的识别与对抗能力； 2、负责二进制逆向分析大模型（LLM4RE）及相关智能体的能力迭代，针对持续演化的恶意软件与灰产应用构建高效逆向分析及溯源能力； 3、参与建设基础安全域大模型安全能力迭代（尝试解决基础安全域标注昂贵稀缺且可读性差等问题）。