[Skip to main content](#main-content)

[OpenNash Jobs](https://jobs.opennash.com/)
[Hiring report](/reports/hiring/) · [All JD.com jobs](https://jobs.opennash.com/companies/jd/) · [Search jobs](/search/)

JD.com · 北京市-北京市

# 面向电商推荐场景的大模型技术应用

北京市-北京市 Internship or early career 

Listed on JD.com’s official careers site. Posted July 20, 2026. Check that it is still open and apply there.
[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8936)

[OpenNash Jobs](https://jobs.opennash.com/) / [JD.com](https://jobs.opennash.com/companies/jd/) / 面向电商推荐场景的大模型技术应用

## Job description

工作职责

### 生成式推荐模型研发
- 基于Transformer与LLM架构，设计并优化面向电商场景的生成式推荐模型，提升用户转化。

### 电商推荐Reasoning探索
- 研究推荐过程中的推理能力，利用思维链（CoT）或模型内置推理提升推荐结果的逻辑性与准确度。

### 模型后训练与对齐
- 负责大模型全生命周期的微调与对齐，包括高质量SFT数据构建、指令微调，以及利用RL技术驱动模型性能演进。

### 前沿技术转化与原创突破
- 基于业务痛点进行底层算法创新，积极参与国际顶会投稿，输出高质量专利与学术论文。 任职要求
- 计算机科学、人工智能、机器学习或相关领域的本硕博在校生。

### 研究背景需涉及以下至少两项
- 大模型微调（SFT/指令跟随）、强化学习（RLHF/对齐算法）、表征学习（Embedding/对比学习）、时序预测（时空建模）等。
- 编程功底扎实（Python/C++），深入理解深度学习原理，熟练掌握PyTorch/TensorFlow。
- 在顶级学术会议（KDD, SIGIR, NeurIPS等）有高质量论文发表经历，或在大模型相关挑战赛、开源社区有突出贡献者优先。

## At a glance
- Posted by the employer: Jul 20, 2026
- First seen by OpenNash: Oct 19, 2026
- Last checked: Oct 19, 2026
- Listed for: 91 days
- Location: 北京市-北京市
- Employment type: Internship or early career[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8936)

## More jobs at JD.com

### [3D医疗影像多模态基础大模型研究](https://jobs.opennash.com/companies/jd/jobs/31cea141d3ff4222fc49/)

北京市-北京市

### [3D可控生成与空间智能多模态研究](https://jobs.opennash.com/companies/jd/jobs/9264cfdaab33cfb45f96/)

北京市-北京市

### [AI多模态存储与向量化计算探索研究](https://jobs.opennash.com/companies/jd/jobs/e91a2f3f9d7be9a91867/)

北京市-北京市

### [CodeAI代码大模型全链路与推理优化](https://jobs.opennash.com/companies/jd/jobs/234f9df632b03e4bec55/)

北京市-北京市

OpenNash lists jobs from employers’ own careers sites and does not handle applications.
Dates come from the employer where stated; “first seen” and “last checked” are our own observations.

OpenNash Jobs · Official listings with dates and links to the employer. [Weekly hiring report](/reports/hiring/) · [Methodology](/methodology/)