阿里巴巴
校招风控场景的多语言多模态大模型优化和智能体应用-阿里星/BravoStar
杭州 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 1、计算机、人工智能、电子信息、数学等相关专业硕士及以上学历；
- 2、熟悉大语言模型、多模态大模型、智能体技术；
- 3、熟悉TensorFlow/PyTorch等深度学习框架，有大模型训练或强化学习经验；
- 4、具备优秀的沟通能力和团队协作精神，有技术自驱力；
- 加分项：
- 1、在ACL/ICML/NeurIPS/ICLR/CVPR等顶会发表过论文；
- 2、有智能体或多语言或多模态应用系统落地经验；有国际化业务背景。
岗位描述
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。
- 1、计算机、人工智能、电子信息、数学等相关专业硕士及以上学历；
- 2、熟悉大语言模型、多模态大模型、智能体技术；
- 3、熟悉TensorFlow/PyTorch等深度学习框架，有大模型训练或强化学习经验；
- 4、具备优秀的沟通能力和团队协作精神，有技术自驱力；
加分项：
- 1、在ACL/ICML/NeurIPS/ICLR/CVPR等顶会发表过论文；
- 2、有智能体或多语言或多模态应用系统落地经验；有国际化业务背景。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。