阿里云阿里云智能-向量检索内核开发-上海
任职要求
1. 计算机、软件工程、数学或相关专业； 2. 具备扎实的算法基础，熟悉图结构、哈希、排序等核心算法，熟练掌握C++、Go、Rust等语言中的一种或多种，具备扎实的系统编程能力和良好的代码风格，有开源项目贡献经验或技术博客输出者优先； 3. 熟悉主流近似近邻（ANN）算法，了解向量索引原理与性能瓶颈，能够独立…
工作职责
1. 参与向量搜索Milvus核心模块的设计与开发，包括向量索引构建、近似近邻（ANN）搜索算法优化、分布式存储与查询引擎等； 2. 针对高维向量数据，研究、设计和实现高效的索引结构和算法，并持续优化性能与内存占用，将前沿学术成果工程化落地； 3. 设计并实现高并发、低延迟的分布式向量查询服务，支持超大规模的向量检索场景，性能调优、稳定性保障及可扩展性设计，支持千亿级数据规模； 4. 参与开源项目，撰写高质量技术文档，参与代码评审，推动团队与社区技术进步。
-参与百度内容比对系统架构的核心技术研究和开发工作，包括并不限于迭代下一代离线架构、参与设计并开发海量多模态内容的去重清洗、检索、排序链路等 -参与或负责至少一个子方向或业务线条的工作，包括并不限于需求拆解、问题梳理、方案设计、开发落地、产品对接等 -和团队一起攻克高性能、高并发、高可用性等各种不同技术场景下的技术挑战 -持续跟进业界新技术的发展并应用到现有系统中
1. 负责 ANN(Approximate Nearest Neighbor) 算法的设计和验证，结合软硬件实现大容量、高吞吐、高召回、低成本的向量检索算法，持续构建业界领先的产品竞争力； 2. 跟进 RAG/AIGC 的前沿技术研究，探索向量检索在 LLM 大模型场景中的应用； 3. 持续跟踪学术界与工业界主流的向量检索算法最新进展。 你将负责什么？ 智能融合：设计图谱与向量的融合重排算法，让语义与事实互补，实现1+1>2的召回效果。 极致效率：优化亿级混合检索性能，攻克系统瓶颈，将端到端延迟压缩至毫秒级以支撑实时场景。 召回边界：设计创新召回策略，结合向量泛化与图谱推理，解决复杂、模糊查询下的知识发现难题。
1. 负责 ANN(Approximate Nearest Neighbor) 算法的设计和验证，结合软硬件实现大容量、高吞吐、高召回、低成本的向量检索算法，持续构建业界领先的产品竞争力； 2. 跟进 RAG/AIGC 的前沿技术研究，探索向量检索在 LLM 大模型场景中的应用； 3. 持续跟踪学术界与工业界主流的向量检索算法最新进展。 你将负责什么？ 智能融合：设计图谱与向量的融合重排算法，让语义与事实互补，实现1+1>2的召回效果。 极致效率：优化亿级混合检索性能，攻克系统瓶颈，将端到端延迟压缩至毫秒级以支撑实时场景。 召回边界：设计创新召回策略，结合向量泛化与图谱推理，解决复杂、模糊查询下的知识发现难题。
本课题研究如何优化向量检索技术以增强AR模型和扩散语言模型（Diffusion LLM）的推理能力。主要方向包括： 1、充分利用高性能网络和分布式存储设施，实现千亿级多模态数据的高效检索，结合PD分离、块扩散、并行解码、分层缓存等技术探索检索结果与大模型上下文的最优融合方法； 2、研究基于向量检索优化大模型推理过程中的KV Cache机制，并打造业界领先的工业级大规模分布式多级KVCache推理架构，为实现小红书AI业务场景下的大规模、低成本、高性能推理提供关键技术支持。