同花顺大模型搜索算法工程师
任职要求
岗位要求： 1. 2026 届硕士及以上学历，计算机、软件工程、人工智能、数据科学等相关专业优先。 2. 具备扎实的机器学习与深度学习算法基础，熟悉经典算法与主流模型原理。 3. 代码能力扎实，能高效完成算法实验、数据处理、效果验证与工程落地。 4. 对生成式搜索、RAG、Agent等有清晰认知，具备强烈的实践与落地热情。 加分项： 1. 有搜索、推荐、广告、大模型相…
工作职责
团队介绍： 我们深耕互联网金融信息服务领域，致力于为亿万用户打造高效、稳定、智能的一站式金融搜索服务。依托千万级日活搜索链路、百亿规模索引集群，以及成熟的RAG 与 Agent 技术体系，构建从数据采集、索引构建、语义理解、相关性排序到生成式搜索的全栈技术能力。以高可用、高稳定、高性能架构为核心，持续落地业界前沿 SOTA 技术，为用户提供精准、可靠、专业的金融信息服务。团队以突破传统搜索引擎边界为目标，深度融合搜索与大模型技术，打造下一代智能金融搜索体系。 发展方向：搜索、RAG、Agent算法专家 聚焦语义理解、内容理解、向量检索、RAG、Data Agent等核心方向，将经典检索算法与大模型、RAG、Agent 能力深度融合，覆盖用户意图识别、多模态内容理解、语义召回与精排、生成式搜索等关键场景。负责构建可支撑亿级流量、千亿级数据的工业级智能搜索系统，在真实业务场景中持续迭代算法效果、工程性能与系统稳定性。 岗位职责： 1. 聚焦互联网金融搜索与搜索增强场景，紧跟业界 SOTA 技术趋势，通过算法迭代持续提升搜索、搜索 + LLM 产品效果，支撑产品能力持续升级。 2. 负责语义相关性与语义召回算法研发，基于 LLM SFT、ReFT等构建语义基础能力，包括 LLM 与检索效果对齐、语义匹配、结构化匹配、表征学习等，提升 RAG 及核心搜索业务的文本匹配精度。 3. 建设多模态检索与多模态理解能力，针对金融场景网页、图表、图像、音视频等异构信息，构建跨模态表征、结构化抽取与精准检索体系，提升多模态内容理解与召回质量。 4. 设计与迭代 WebAgent 能力，实现网页自动浏览、交互模拟、信息抽取、事实校验与内容标准化，为搜索与 RAG 提供高质量、高可信数据源。 5. 构建 DataAgent 数据处理与知识融合链路，完成多源金融数据对齐、清洗、整合与归因校验，支撑业务规模化落地。 6. 搭建金融垂域搜索评测与效果对齐体系，从相关性、事实一致性、可用性、稳定性等多维度持续迭代优化。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
面向快手搜索业务，针对在线推理各个流程（特征、模型等）进行研发与优化； 1、针对搜索业务下的sparse/dense模型进行框架研发与优化，充分压榨GPU的能力； 2、针对推理场景下的特征、embedding查询计算优化，进一步提升CPU的计算效率； 3、支持大模型在搜索场景的落地工作。
1、LLM模型应用落地：参与LLM在搜索内部的应用，探索LLM的创新落地场景； 2、RAG技术研究与落地：参与RAG技术在搜索内部的应用与创新，提升快手搜索智能问答效果； 3、技术优化与创新：持续优化现有的算法技术，推动算法创新，不断业务效果和用户体验； 4、跨团队合作：与产品团队、工程团队和业务团队紧密合作，理解业务需求，将算法技术转化为实际的产品和解决方案； 5、算法评估与改进：负责对算法模型进行评估和改进，提高算法的准确性、效率和可解释性。
1、参与亿级用户规模的电商搜索优化，提升电商搜索场景的GMV、购买用户数、点击率、转化率等核心指标，提升用户电商搜索购物体验，促进生态良性发展； 2、参与机器学习与深度学习算法的核心研发工作，对搜索全链路进行建模优化，包括但不限于召回、相关性、粗排、精排、机制等，深度进行序列建模、迁移学习、强化学习、对比学习、多模态大模型等的算法和系统研发； 3、针对海量用户行为数据，提供基于分布式计算的算法解决方案，大幅提升算法计算规模和性能； 4、参与搜索推荐机制的顶层设计，结合业务战略，优化电商流量结构和GMV结构，促进电商生态的健康发展。