阿里巴巴算法工程师-搜索推荐（AI增强）
任职要求
【必备项】 1. 计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构。 2. 掌握机器学习基础理论，了解搜推广系统/自然语言处理/多模态等至少一个领域。 3. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进…
工作职责
在当前业界的搜索推荐系统中，召回、粗排、精排、重排、混排等算法已有相对成熟的一套框架推动搜推业务进入深水区。AI的发展为搜推场景注入了新的可能性，具体来说，我们希望同学加入解决以下业务问题：
1. AI对搜推场景的算法优化
a. 通过大模型（LLM、多模态大模型）的推理能力、世界知识能力，提升对用户的理解。
b. 通过大模型（LLM、多模态大模型）SFT、RL、RAG等技术手段，实现对用户需求更好的承接。
c. 研究大模型和经典搜推算法的融合方案，提升场景整体效果和用户体验。
d. 直面淘宝数亿用户、百亿级行为数据的挑战，落地大模型应用。
2. 下一代AI搜推系统构建
a. 通过分布式训练、模型压缩、低延迟推理等技术，面向工业级应用完成千亿级参数大模型的高效训练与部署。
b. 尝试生成式AI、多智能体协作等前沿方向，推动AI技术在电商领域的创新应用。
方向一： 岗位职责 面向应用商店、Agent助手、搜索、广告等高价值业务场景，预研和落地信息检索(搜索、推荐、广告)核心技术，岗位职责包括但不限于： 1.针对冷启动推荐、多场景多任务建模、自动特征工程、用户通用表征、多模态信息检索、对话推荐、端云推荐、检索增强生成(RAG)、智能体检索等核心难题，负责研发和突破信息检索关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新信息检索技术，发表高水平论文。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 方向二： 岗位职责 面向Agent助手、搜索、广告、应用商店等高价值业务场景，预研和落地智能体检索和推理大模型(r1/o1/o3)核心技术，岗位职责包括但不限于： 1.针对大推理模型(r1/o1/o3)、端侧大模型、多模态信息检索、AI搜索推荐、检索增强生成(RAG)、个性化内容生成、大模型特征生成等核心难题，负责研发和突破关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新信息检索技术，发表高水平论文。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 【岗位资源】 1.真实大规模搜推广、用户助手业务场景需求、数据、AI开发平台、计算资源。 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。
【我们是谁】 你将加入阿里智能信息事业群的核心算法团队，直接负责 通义千问、夸克AI问答 等大模型产品背后至关重要的“大脑”—— RAG（检索增强生成）系统。我们的使命是为大模型打造一个专属的、下一代搜索引擎，确保AI在回答用户问题时，能做到响应快速、内容全面、信息时效性强且高度专业。 作为算法组内的工程中坚力量，你将负责高性能检索系统的架构设计与核心代码实现（以C++为主），是一个有意从工程转算法的理想岗位。 1. 构建极速引擎：负责RAG检索链路的工程落地，面对海量并发请求，通过极致的代码优化和架构设计，保障系统的高吞吐与低延迟。 2. 算法工程化落地：与算法专家紧密配合，将前沿的向量检索、倒排索引、重排等算法策略转化为稳定、高效的线上工程服务。 3. 系统架构升级：针对AI问答场景的特殊性（如长文本处理、实时索引更新），打造具备高可用、高扩展性的分布式后端服务体系，支撑未来AI搜索形态的快速演进。
团队介绍： 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。团队不仅在计算机视觉领域持续深耕，更将计算机视觉及AI技术在自主导航、高德打车、生活服务等多元化应用场景。 作为高德地图的核心技术驱动部门，我们以下一代三维地图引擎、多模态理解与生成、空间智能、世界模型等方向为核心，推动智能出行与真实世界连接的深度融合。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 1、跟进AI Agent领域最新技术动态，围绕LLM大模型、Agent框架、LLM Reasoning技术（如思维链、多步推理）、优化复杂查询的Deep Research模式、长期记忆机制、自动化数据合成、指令微调（Instruction Tuning）、偏好对齐（RLHF/DPO）等技术，持续推动算法创新与落地； 2、开展LLM Agent技术研发，构建端到端Agent系统，涵盖意图识别、知识检索、结果生成与偏好对齐，推动相关技术研究与算法落地，提升用户体验。
负责优酷在视频搜索、AI搜索等业务的算法设计和优化，包括但不限于： 1、利用深度学习和运筹优化等技术，从相关性和个性化两方面优化优酷搜索的召回和粗排算法、流量调控机制等 2、基于多模态表征模型和视觉语言模型等增强内容理解，赋能更多搜索推荐模块和场景，提升内容尤其是腰尾部的分发效率 3、通过内容理解、RAG和工作流搭建，优化AI搜索的口语化模糊检索、剧情问答和定位等能力，并探索自主决策的智能体模型