腾讯AI搜索算法工程师（大模型后训练方向）

1.负责AI搜索中大模型后训练方向的核心技术研发、优化与创新，优化Post-training 算法的训练效率和回复效果； 2.研究各领域高质量数据的自动化合成方法，建设高效的线上数据飞轮链路； 3.跟踪AI搜索领域的前沿技术，参与前沿算法研究，推动研究成果在业务场景的落地应用； 4.参与产品讨论，基于技术对产品提出改进建议。

AI的快速发展正在引领信息获取和知识搜索模式的革命性变化。各类智能信息助手正在迅速迭代，逐步向基于大语言模型的自然语言交互式知识获取方式转型。我们团队工作范围包括支付宝搜索、全网搜索、搜索智能体、大模型后训练及应用等。致力于应用前沿的人工智能技术，结合蚂蚁的生态特色，提升用户获取信息的效率和准确性，探索信息获取体验的新边界。 1. 参与和负责AI搜索场景下的核心搜索算法研发，持续提升Query理解、多模态理解、召回排序、RAG生成、智能体规划等环节的效果； 2. 支持多元业务需求的快速迭代，始终以优化用户体验与提升业务价值为目标； 3. 关注AI搜索技术前沿进展和业界先进应用，不断探索，持续创新突破核心技术。

1、以生成式大模型为核心驱动搜索分发算法升级：主导优酷搜索分发算法架构升级，深度融合生成式大模型（LLM/MLLM）与传统搜推算法，构建行业领先的生成式搜索框架，探索大模型在召回、排序、多样性调控等全链路的重构，设计生成式召回策略与基于强化学习的交互式搜索框架，为亿万用户提供个性化、场景化的搜索体验 2、引领大模型前沿技术落地与创新：主导多模态生成式模型（视频理解、图文检索）、大模型轻量化（蒸馏/量化/MoE）及垂直领域模型训练的技术攻关，推动视频内容理解、跨模态语义匹配等能力的工业级落地 3、推动大模型技术体系与成果沉淀：以大模型创新为核心输出技术成果，对标业界前沿的算法和框架，团队已有多篇顶会论文及创新专利发表

1、以生成式大模型为核心驱动搜索分发算法升级：主导优酷搜索分发算法架构升级，深度融合生成式大模型（LLM/MLLM）与传统搜推算法，构建行业领先的生成式搜索框架，探索大模型在召回、排序、多样性调控等全链路的重构，设计生成式召回策略与基于强化学习的交互式搜索框架，为亿万用户提供个性化、场景化的搜索体验； 2、引领大模型前沿技术落地与创新：主导多模态生成式模型（视频理解、图文检索）、大模型轻量化（蒸馏/量化/MoE）及垂直领域模型训练的技术攻关，推动视频内容理解、跨模态语义匹配等能力的工业级落地； 3、推动大模型技术体系与成果沉淀：以大模型创新为核心输出技术成果，对标业界前沿的算法和框架，团队已有多篇顶会论文及创新专利发表。