logo of alibaba

阿里巴巴1688-AI搜索算法工程师-杭州

社招全职3年以上地点:杭州状态:招聘

任职要求


1.计算机科学、人工智能、机器学习或相关专业硕士及以上学历。
2.扎实的编程基础,精通Python,并具备出色的工程实现能力。
3.深入理解机器学习/深度学习基础理论,具有丰富的NLP、搜索、推荐或大模型相关项目经验。
4.熟练掌握TensorFlowPyTorch等至少一种主流深度学习框架,能独立进行模型训练、调优和部署。
5.对人工智能技术充满热情,具备优秀的分析问题和解决问题的能力,能主动推动技术方案落地。

工作职责


1. 大模型训练与对齐: 负责训练和优化应用于电商领域的Agent模型,通过SFT、RLHF、DPO等前沿技术对模型进行微调与对齐,不断提升模型在复杂场景下的意图理解与任务执行能力。
2.用户意图深度推理: 构建并应用多模态深度学习模型,深入分析用户的行为序列、上下文信息及生意模式,动态生成精准的用户画像与意图预测,为个性化搜索和推荐提供核心洞察。
3.智能商品理解与表征: 利用大模型(LLM/VLM)重构商品信息,深入挖掘商品内容、市场趋势与上下游关系,构建新一代的商品向量化表征,显著提升新品冷启动和成长效率。
4. 生成式搜索与推荐算法研究: 探索并落地基于生成式AI的全新搜索推荐范式,如GenRank、Agent-based Retrieval等,从0到1打造颠覆性的产品体验,解决传统搜索未能满足的长尾和复杂需求。
包括英文材料
学历+
深度学习+
TensorFlow+
PyTorch+
Python+
C+
C+++
Java+
机器学习+
算法+
NLP+
大模型+
相关职位

logo of antgroup
社招3年以上技术类-算法

1、负责支付宝AI搜索产品相关的算法研发,方向包括:多轮上下文理解、知识规划、RAG知识增强、大模型可控生成等 2、参与LLM算法研发,包括LLM微调、偏好对齐等 3、负责算法落地支持业务需求迭代

更新于 2025-09-04
logo of alibaba
社招1年以上技术类-算法

关于我们 ● 我们是阿里巴巴国际数字商业集团-阿里巴巴国际站-Accio算法团队。阿里巴巴国际站是全球最大的跨境B2B数字化贸易平台。 ● 我们团队一直追求极致的技术创新 (每年都有多篇顶会paper),从Bert到T5,多次推动业务跨越式发展。去年自研LLM完整技术栈,成功驱动生意助手大规模商业化落地。今年正在全力打造全球首个B2B AI Sourcing Agent,自研Agent框架和全新AI Search系统,目前已成功全球发布,迈向更广阔的未来。 职责描述: 1. 负责阿里国际全球首个B2B AI Sourcing Agent的全链路研发,包括对话交互式智能搜索,AI导购Copilot等。 2. 负责AI搜索系统的算法升级,包括长文本多模态Doc的语义召回和多语言多模态的相关性匹配。 3. 负责AI导购系统的效果优化,用最前沿的RAG/Agent技术,重构B2B Sourcing的全新交互体验。 4. 负责AGI前沿技术探索,引入业界最新SOTA技术,攻克垂类AI Search/Agent落地的技术难点。

更新于 2025-08-11
logo of bytedance
社招A236182

团队介绍:字节跳动搜索团队主要负责抖音、今日头条、西瓜视频等产品的搜索工程、算法创新和架构研发工作。我们的职责是用前沿的技术去打造一个用户体验佳、信息效率高的搜索引擎产品。我们的愿景是做一款用户首选的搜索引擎,我们的使命是可以充分整合内容,高效连接人与信息。 团队主要负责抖音、今日头条、西瓜视频、问答和百科等产品的业务研发和架构研发工作。 我们使用前沿的前端、客户端和服务端技术赋能于搜索业务的快速迭代,并在技术上不断创新和突破。同时专注于大流量、高并发、低延时的搜索系统的构建,在性能优化上,追求从内存、Disk等优化到业务架构和网络协议的创新探索,在迭代效能上不断探索容器化、动态化、搭建化等方案的创新,技术氛围强,充分给同学们提供自我成长的机会。 课题介绍:随着大模型技术的快速发展,智能搜索领域迎来了新的机遇和挑战。传统搜索技术在面对海量数据、多模态信息以及用户复杂需求时,逐渐暴露出模型容量不足、语义理解能力有限、资源利用率低等问题。基于大模型的智能搜索构建旨在通过引入大模型技术,提升搜索系统的智能化水平,优化用户体验,并解决超大规模检索、复杂语义理解、资源高效利用等核心问题。具体目标包括: 1、探索大模型与排序算法的结合,提升个性化排序的精度和用户体验; 2、研究生成式检索算法,解决百亿乃至千亿级别候选库的超大规模检索问题; 3、利用大语言模型(LLM)提升复杂多义Query的搜索满意度。 1、个性化排序:传统排序算法难以充分利用多模态信息(如文本、图像、视频等),且模型复杂度有限,无法满足用户对精准化和个性化搜索的需求; 2、超大规模检索:传统判别式模型在千亿级别候选库的检索中,面临模型容量不足、索引效率低下等问题,亟需新一代检索算法; 3、复杂Query理解:用户搜索需求日益复杂,传统搜索引擎难以准确理解长难句、多义Query的语义,导致搜索结果满意度低; 4、资源利用率:搜索系统存储和计算分离的架构导致资源利用率低,如何在保证性能的同时优化资源使用成为关键问题。

更新于 2025-05-26
logo of bytedance
社招A71495

团队介绍:字节跳动搜索团队主要负责抖音、今日头条、西瓜视频等产品的搜索工程、算法创新和架构研发工作。我们的职责是用前沿的技术去打造一个用户体验佳、信息效率高的搜索引擎产品。我们的愿景是做一款用户首选的搜索引擎,我们的使命是可以充分整合内容,高效连接人与信息。 团队主要负责抖音、今日头条、西瓜视频、问答和百科等产品的业务研发和架构研发工作。 我们使用前沿的前端、客户端和服务端技术赋能于搜索业务的快速迭代,并在技术上不断创新和突破。同时专注于大流量、高并发、低延时的搜索系统的构建,在性能优化上,追求从内存、Disk等优化到业务架构和网络协议的创新探索,在迭代效能上不断探索容器化、动态化、搭建化等方案的创新,技术氛围强,充分给同学们提供自我成长的机会。 课题介绍:随着大模型技术的快速发展,智能搜索领域迎来了新的机遇和挑战。传统搜索技术在面对海量数据、多模态信息以及用户复杂需求时,逐渐暴露出模型容量不足、语义理解能力有限、资源利用率低等问题。基于大模型的智能搜索构建旨在通过引入大模型技术,提升搜索系统的智能化水平,优化用户体验,并解决超大规模检索、复杂语义理解、资源高效利用等核心问题。具体目标包括: 1、探索大模型与排序算法的结合,提升个性化排序的精度和用户体验; 2、研究生成式检索算法,解决百亿乃至千亿级别候选库的超大规模检索问题; 3、利用大语言模型(LLM)提升复杂多义Query的搜索满意度。 1、个性化排序:传统排序算法难以充分利用多模态信息(如文本、图像、视频等),且模型复杂度有限,无法满足用户对精准化和个性化搜索的需求; 2、超大规模检索:传统判别式模型在千亿级别候选库的检索中,面临模型容量不足、索引效率低下等问题,亟需新一代检索算法; 3、复杂Query理解:用户搜索需求日益复杂,传统搜索引擎难以准确理解长难句、多义Query的语义,导致搜索结果满意度低; 4、资源利用率:搜索系统存储和计算分离的架构导致资源利用率低,如何在保证性能的同时优化资源使用成为关键问题。

更新于 2025-05-26