携程高级搜索算法工程师(MJ031924)
任职要求
扎实的编程功底与算法基础，精通主流数据结构与算法设计，具备高性能、高可用系统开发经验；出色的问题拆解与解决能力，对技术挑战充满热情，能独立推动复杂项目从0到1落地；精通自然语言处理（NLP）核心技术，熟悉Transformer、BERT、GPT等主流架构，具备扎实的机器学习/深度学习理论基础，熟练使用TensorFlow、PyTorch等框架；具备大规模数据处理实战经验，擅…
工作职责
支撑智能搜索业务的高速成长，聚焦搜索转化率提升、用户体验优化及个性化智能搜索能力的探索与落地；基于海量用户行为与搜索日志数据，构建业界领先的搜索算法模型与系统架构，深度建模用户搜索意图与偏好，持续优化搜索相关性与满意度；融合大模型（LLM）能力，攻克在线/离线、高并发/小样本等复杂场景下的技术与业务难题，覆盖搜索意图识别、智能纠错、端到端联想推荐、语义召回等核心模块。
1.负责微博主站搜索下点击模型的算法设计、训练与上线优化，通过用户点击行为提升搜索推荐精准度； 2.负责微博主站搜索引导方向的算法研究与实现，覆盖浏览页、搜索中间页等多场景的用户行为引导与转化模型； 3.主导推荐排序核心算法研发，包括多任务排序与序列建模、用户画像构建、内容语义理解与物料挖掘等模块的工程化落地 持续跟踪并应用 RAG、语义检索与生成式推荐等前沿技术，快速完成验证、迭代与性能调优； 4.对海量用户行为与内容数据进行深度挖掘与特征工程，发现优化机会并持续迭代改进； 5.协调跨团队协作，推动算法方案在大规模线上环境中的稳定部署、监控与持续优化。
AE搜索算法团队，负责AIDC AliExpress（AE）、JP- AO和天猫淘宝海外等国际化电商搜索业务优化，为全球100多个国家使用不用语言的用户持续电商搜索体验与效率，并结合大模型升级技术与产品体验创新。 多年来团队紧跟工业界和学术界前沿，在多语言Query理解与相关性、国家差异化召回与排序模型、多语言Query导购与大模型在多语言搜索中应用等技术方向持续探索创新，带来业务快速增长同时发表⾼⽔平学术论⽂20+篇（如AAAI、 IJCAI、TKDE、TMM、RecSys、CIKM和ICDM），申请专利15+项。 大规模深度模型的搜索算法研究，包括但不限于： 1. 多语言Query理解、商品理解和相关性，包括：Query和商品NER、Query类目预测、Query改写与扩展、多语言&跨语言语义相关性等；LLM在多语言电商搜索领域应用，包括：大模型CT和SFT，以及在Query理解、语义相关性、商品理解上的应用； 2. 个性化召回与排序相关技术：基于大规模深度模型的CTR/CVR预估模型及个性化召回模型，包括用户行为序列建模、多目标建模、多模态跨场景迁移建模、国家差异化建模体系建设等； 3. 个性化多语言Query推荐，包括：下拉、底纹、风向标等场域，基于异构行为序列建模、多场景建模的多语言Query推荐技术研究与应用；
1. 搜索召回算法：基于多模态&LLM大模型等能力，设计和优化1688搜索召回模块；负责文本query理解和改写；设计和优化分人群的多路召回差异化协同机制，并建立召回迭代的评价指标； 2. 搜索排序算法：设计和优化1688搜索排序下的转化率精准预估任务；深入研究全域用户行为建模、全域迁移学习任务、多模态技术方向在排序的应用；设计和优化1688搜索排序框架，围绕长期用户价值对1688排序模型的目标进行设计和优化； 3. 搜索流量机制：负责1688搜索机制策略创新和优化，包括商业化机制策略和用户增长策略的方案设计和落地，分渠道精细化优化用户的留存和活跃； 4. 搜索基础算法：在1688搜索样本和数据特征上进行精细化处理，提升模型效果的上限，通过召回/粗排/排序的模型优化和一致性提升等方式对搜索全链路进行迭代。
1 负责搜索/推荐召回相关的算法设计、场景技术方案规划，实现方案在业务系统中的落地。算法包含但不限于：向量检索技术、基于树、图、量化、聚类等的各类检索方案、图神经网络、深度表示学习、对比学习、样本增强、集成学习、learning to rank、多任务学习、强化学习、迁移学习、模拟器等。 2 分析海量用户行为序列，深度理解和表示用户长短时兴趣，精准召回商品，提升平台效率和用户体验。 3 熟悉常用的向量检索技术，能够根据业务特点设计和优化索引类型。 4 负责召回多通道融合和各级漏斗方案的设计和优化，以及粗排CTR/CVR/LTR模型的设计和优化。 5 具有较强的业务敏感性，能够自主分析数据发现问题，结合业务实际情况提出有创新性的解决方案，并落地带来业务收益。 6 追踪召回算法前沿技术，能够结合拼多多的业务特点，设计出实际可用的召回前沿技术落地方案，并拿到业务收益。