阿里巴巴阿里国际站-高级多模态算法专家-多模态搜索算法
任职要求
● 计算机科学、人工智能或相关专业硕士及以上学历，5年以上算法研发经验，至少2年带领AI算法团队的经验，有成功交付大型搜索或推荐系统项目经历者优先。 ● 在多模态大模型领域有深厚积累，主导或深度参与过多模态大模型（如图文理解、文档智能、视觉-语言模型）的训练工作。 ● 熟悉主流多模态架构（如CLIP、BLIP、Qwen-VL、LLaVA等），掌握跨模态对齐、对比学习、MoE架构等关键技术，并有实际调优经验。 ● （优先）具备将多模态大模型应用于搜索系统的实战经验，例如用于query理解、向量召回、重排序（reranking）等环节，显著提升搜索体验。 ● 具备强烈的技术前瞻性与产品思维，能够将前沿AI研究成果转化为可落地、可度量的业务价值，推动技术壁垒构建。
工作职责
● 作为多模态搜索算法团队的负责人，主导构建全球领先的AI驱动跨境B2B搜索引擎，帮助全球买家高效寻找优质制造工厂。 ● 带领团队攻克复杂采购需求的理解难题，支持用户通过图像、图文、Excel表格、PDF文档等多模态输入方式表达采购意图，实现端到端智能解析与语义理解。 ● 设计并落地先进的多模态融合架构，结合视觉、语言与结构化数据理解技术，提升对产品规格、工艺要求、批量参数等关键信息的精准提取能力。 ● 构建高精度、可扩展的搜索引擎匹配系统，融合语义推理、知识构建与向量检索技术，实现“所想即所得”的智能搜索体验。 ● 与产品、工程及业务团队深度协作，洞察业务需求，定义合理的技术路线图，推动技术创新与产品落地。
1.负责点评平台搜索体验优化，包括查询理解、相关性、排序、知识挖掘等核心工作，不断优化搜索用户体验，驱动业务规模增长； 2.深度研究搜索领域内的前沿算法技术，包括但不限于使用大模型、BERT、Transformer、多目标、多模态等技术迭代创新并落地到业务中； 3.和产品、运营等团队紧密合作，根据业务需求进行数据分析和模型优化，提供高效的、符合用户需求的搜索体验； 4.解决生产环境中的问题和异常，保障搜索服务的稳定运行。
岗位描述： 1. 负责点评平台搜索体验优化，包括查询理解、相关性、排序、知识挖掘等核心工作，不断优化搜索用户体验，驱动业务规模增长； 2. 深度研究搜索领域内的前沿算法技术，包括但不限于使用大模型、BERT、Transformer、多目标、多模态等技术迭代创新并落地到业务中； 3. 和产品、运营等团队紧密合作，根据业务需求进行数据分析和模型优化，提供高效的、符合用户需求的搜索体验； 4. 解决生产环境中的问题和异常，保障搜索服务的稳定运行。
团队介绍：字节跳动抖音搜索团队主要负责抖音搜索算法创新和架构研发工作，主要包括短视频、直播、本地生活、视觉搜索等多个业务线。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 1、参与抖音，今日头条，西瓜视频，剪映等App，以及国内电商，生活服务等重点业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长&搜索心智建设任务； 2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节； 3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及多模态等前沿技术的探索。
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；