搜狐（社招/校招）大模型算法应用工程师
任职要求
·： 1.2026届硕士及以上学历，计算机/人工智能/数学/统计等相关专业； 2.具有4个月以上LLM相关实习经历，或同等研究/项目经验； 3.精通Python，熟悉C++/Go；扎实的算法与数据结构基础； 4.深入理解Transformer架构，熟悉GPT/LLaMA/Qwen/DeepSeek等主流模型原理； 5.熟练使用PyTorch、HuggingFace Transformers，有DeepSpeed/Megatron-LM分布式训练经验； 6.…
工作职责
1.模型研发：参与LLM预训练、SFT指令微调、RLHF/GRPO人类反馈强化学习，提升模型指令遵循与推理能力； 2.效率优化：负责模型量化（INT8/INT4）、蒸馏、投机解码、KV Cache优化，降低推理成本与延迟； 3.系统架构：基于vLLM/SGLang/TensorRT构建高吞吐推理服务，支持多实例水平扩展与动态调度； 4.应用落地：开发RAG检索增强系统、Agent智能体，结合知识图谱/向量数据库解决业务实际问题； 5.数据工程：构建高质量指令数据集，设计数据采样、去重、质量筛选策略，搭建数据-训练-评测闭环； 6.评测迭代：建立模型能力评测体系，分析Bad Case，持续优化模型在垂直领域的表现。
1.风险识别模型：开发反欺诈、反作弊、反洗钱、内容安全等算法模型，覆盖注册、登录、交易、营销全链路； 2.效率优化：构建知识图谱风险网络，应用图神经网络（GNN）、社区发现、异常检测算法识别团伙欺诈； 3.实时决策引擎：研发毫秒级风控策略引擎，支持规则+模型融合决策，实现T+0风险拦截； 4.大模型风控：探索LLM在风险推理、案例研判、策略生成、舆情监控等场景的落地应用； 5.对抗样本防御：研究黑产攻击手法（伪造设备、代理IP、行为模拟），建设鲁棒性特征与对抗训练机制； 6.策略迭代优化：搭建AB实验平台，分析风控策略对业务指标（GMV/留存/客诉）的影响，平衡安全与体验。
1.参与搜狐广告大数据数仓的日常开发，开展模型设计、数据ETL、性能优化、数据治理等工作，按需建设离线数仓、实时数仓； 2.面向广告业务，参与BI、用户画像、特征工程等方向的数据应用建设，为各业务场景及策略算法提供数据支持； 3.参与解决开发过程中的技术难题，不断提升自己应对复杂问题的能力，参与新技术调研并尝试为业务提效。
我们诚邀充满激情、具备深厚研究潜力的应届毕业生加入我们，共同探索大模型领域的无限可能。在这里，你将站在大模型研究的最前沿，不仅要应对当下的技术挑战，更要致力于开创未来的大模型应用范式，将最新的学术成果转化为具有深远影响力的实际产品与服务。 1. 聚焦多模态大模型、AI Agent、Multi-Agent System、Agentic Workflow等前沿 AI 技术方向，开展深度探索性研究，产出具备高学术价值与产业转化潜力的研究成果，推动技术落地应用； 2. 主导研究性项目全流程，从问题定义、方案设计、实验执行到结果分析，完成高质量技术攻关，定期输出项目研究报告； 3. 负责将前沿研究成果进行工程化原型构建与多场景验证，提炼通用技术理论、工具及方法，为团队技术突破提供支撑； 4. 跟踪国际顶尖学术会议（如 NeurIPS、ICML、CVPR 等）和期刊动态，梳理前沿技术脉络，定期组织团队内前沿 AI 技术分享会，推动技术知识共享与团队能力提升； 5. 以第一作者或核心作者身份在顶级学术期刊、会议发表论文，提升团队在 AI 领域的学术影响力。
我们正在寻找充满热情、具备深厚研究潜力的应届毕业生加入我们，共同探索下一代推荐系统的边界。你将置身于推荐领域的最前沿，不仅解决当下的业务挑战，更致力于定义未来的推荐范式，将最新的学术突破转化为具有重大影响力的用户产品体验。 ： 1.参与搜狐新闻App核心召回、排序、混排、冷启动等关键推荐算法模块的研发、优化与持续迭代， 直接提升新闻推荐的精准性、个性化和用户体验； 2.聚焦大模型驱动推荐、多模态内容理解与推荐、强化学习/序列决策推荐、多智能体协同推荐等前沿方向，开展深度研究与创新实验，产出具有技术突破性和潜在业务颠覆性的研究成果； 3.负责将前沿推荐算法研究成果（如新模型、新策略、新机制）在真实业务场景中进行快速原型验证与工程化实现，评估其实际性能与可行性，推动关键技术在实际推荐系统的落地应用； 4.紧密追踪国际顶级会议（如 KDD, WWW, RecSys, NeurIPS等）在推荐系统、机器学习及相关领域的最新进展，深入解读前沿论文，定期组织内部分享，推动团队技术视野的持续拓展； 5.积极总结研究与实践成果，参与撰写高质量技术报告，并鼓励向顶级学术会议/期刊投稿，提升团队在推荐技术领域的学术影响力和技术品牌；