阿里妈妈淘宝联盟拥有一个由商家、商品、渠道推广者和亿万级消费者组成的时间和空间的超大规模复杂网络。节点包括商品、商家、推广者与用户，边则代表了它们之间的推广和经营关系。传统的推荐算法在捕捉这种图谱中的高阶、深层的关联性存在不足，大多停留在浅层的关系利用上，难以捕捉实体间的交互模式、社群结构以及动态演化的趋势，导致推荐匹配的精准度与效率存在显著的提升空间。本研究探索图神经网络（GNN）与大型语言模型（LLM）的深度融合，为图中的商品、推广者等异构节点生成富含结构信息与深层语义的统一表征——即“语义ID”，以及基于图对齐的语义ID的生成式推荐。 1.负责生成式推荐技术在电商场景的研发与落地。 2.主导设计并实现商品推荐生成式框架，重点攻克图结构信息与LLM语义信息的跨模态融合与对齐难题。 3.跟进SFT、RLHF、多模态等前沿技术，持续优化模型，并推动技术成果转化为实际业务增长。 4.沉淀技术影响力，撰写高质量专利和顶级学术论文。