阿里妈妈-搜索广告算法-2027届实习生招聘
1. 团队介绍
* 我们是淘天集团-阿里妈妈-搜索广告算法团队，负责阿里最核心的营收来源，十年来通过产品和技术层面的不断自我革新升级，每年都能够保持业务高速增长，并在技术创新驱动业务成长同时，斩获包括阿里妈妈最佳团队奖、阿里妈妈总裁特别奖等多项大奖。
* 我们立足于搜索广告场景，在多模态搜索意图理解、超大规模广告匹配、超大规模CTR、CVR、GMV预估、广告机制和投放策略等领域深耕，不断提升业务效果的同时，持续拓展应用技术和基础技术的边界。
* 超大业务体量和丰富商业化场景，使得我们在大模型、强化学习、深度学习、机制设计等领域有大量发挥空间和试错机会。同时在业务上的超一线站位，也提供了大量参与业务顶层设计的机会，让我们在"挖掘有价值&有挑战新问题，驱动产品技术能力创新等"方面有得天独厚的优势，并将工作心得整理成论文，通过最好的期刊和会议与同行分享。
* 如果你：是算法大咖，这有国内领先的广告营销平台和海量电商数据，来落地实践最前沿的算法探索~如果你：工程能力超赞，我们可以助你成长为算法、工程、业务三位一体，业界最抢手的工程师~如果你：对商业有奇思妙想，那和我们一起定义新时代的广告营销该怎么做吧～~
2. 职位要求
* 广告算法工程师（2026.11~2027.10毕业）
3. 岗位职责：
* 利用大模型&深度学习&强化学习&博弈论知识，探索淘宝搜索场景广告技术变现的算法设计和优化，包括但不限于召回算法、预估模型、机制策略、广告相关性、出价算法等全链路算法与系统Co-Design优化等能力要求：
计算机/自动化、数学/物理/统计学、软件/电子工程等相关专业具备优秀的分析和解決问题的能力，良好的沟通协作能力
* 有扎实的数据结构和算法基础，精通机器学习算法，对算法原理和应用有较深入理解
* 在机器学习或计算广告等领域顶会或期刊上发表过论文、参加过ACM或数据挖掘&机器学习类竞赛并取得好名次的同学优先
4. 团队近期创新工作汇总
* 2026年
WSDM 2026: Unlocking Scaling Law in Industrial Recommendation Systems with a Three-step Paradigm based Large User Model
WSDM 2026: MOON: Generative mllm-based multimodal representation learning for e-commerce product understanding
WWW 2026: NEZHA: A Zero-sacrifice and Hyperspeed Decoding Architecture for Generative Recommendations
KDD 2026: LoFT-LLM: Low-Frequency Time-Series Forecasting with Large Language Models
KDD 2026: VALUE Value-Aware Large Language Model for Query Rewriting via Weighted Trie in Sponsored Search
KDD 2026: IMPACTNet: Unifying Auto-bidding in End-to-End Merged Auctions
CVPR2026: MOON2.0: Dynamic Modality -balanced Multimodal Representation Learning for E-commerce Product Understanding
Technical Reports
Technical Report: LORE A Large Generative Model for Search Relevance
Technical Report: MOON Embedding: Multimodal Representation Learning for E-commerce Search Advertising
* 2025年
KDD 2025: UQABench: Evaluating User Embedding for Prompting LLMs in Personalized Question Answering
KDD 2025: Beyond Advertising: Mechanism Design for the Revolutionary Marketing Product "QuanZhanTui"
WSM 2025: Gradient Deconfliction via Orthogonal Projections onto Subspaces For Multi-task Learning
WWW 2025: Explainable LLM-driven Multi-dimensional Distillation for E-Commerce Relevance Learning
* 2024年
ICML 2024: A Generative Approach for Treatment Effect Estimation under Collider Bias: From an Out-of-Distribution Perspective
TKDD 2024: Learning Individual Treatment Effects under Heterogeneous Interference in Networks IEEETransactions on Computational Social Systems 2024: Advertiser -First: A Receding Horizon Bid Optimization Strategy for Online Advertising
邮箱：yuyao.lyy@taobao.com
--
FROM 59.82.59.*