蚂蚁金服研究型实习生-生成式搜索算法方向研究型实习生
任职要求
研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的…
工作职责
研究领域： 人工智能 项目简介： 生成式搜索是支付宝搜索CY25的重点技术和业务方向，技术挑战是怎么去通过LLM生成高时效、高准确率的的搜索结果。 对RAG、语义召回、语义ReRank、幻觉检测等技术有比较高的挑战。 希望能够引进相关方向的研究型实习生，在生成式搜索相关技术方向上进行课题攻关，进一步提升团队技术能力和技术深度。
1.参与高德地图首页“即时推荐”系统的算法研发，探索大语言模型（LLM/MLLM）与推荐系统的融合创新； 2.协助构建面向LBS场景的AI Agent推荐原型，包括用户意图理解、个性化内容生成、检索增强（RAG）、多步推理等模块； 3.参与生成式推荐相关技术实验，如语义ID建模、指令微调（Instruction Tuning）、偏好对齐（DPO/RLHF）、自动化数据合成等； 4.在指导下，能够完成算法调研、实验设计、代码实现与效果分析，推动技术方案在真实业务场景中验证与落地；
1. Agent方向：直接参与到导购Agent的算法研发工作，包含无障碍导购Agent、搜索导购Agent两个Agent项目并结合技术创新与实际业务落地，产出高质量论文、专利与开源成果。包括相关项目的高质量数据构建，支撑复杂任务建模与行为学习，运用大模型SFT、RL等Post-training训练方法并探索 Online RL 等前沿方法，设计并落地“过程监督 + 结果监督”联合训练范式，融合MCTS、ToT、Reflection等推理方法，等等； 2. LLM应用方向：探索基于LLM的Query理解大模型，通过天猫的数据微调大模型生成ID表征向量，在搜索和推荐算法各模块进行深度的探索和应用。包括但不限于语义相关性、类目预测、召回排序等。探索生成式搜索技术（如Query扩展、结果摘要生成），助力搜索从“信息呈现”向“决策辅助”升级； 3. 结合业务需求，设计和扩展LLM的应用场景范围及规模，提高模型微调后再垂直领域的应用及专家模式的架构尝试； 4. 跟踪LLM与Agent领域的国际前沿技术动态，开展前沿算法的研究工作，推动技术创新在业务场景中的落地应用，重点突破复杂推理、GUI Agent、AI搜索等方向的技术沉淀和业务创新。
职位描述 你将加入高德地图核心算法团队，在算法专家的指导下探索大模型（LLM/多模态）与推荐系统的深度结合。你将有机会接触亿级用户规模的真实业务场景，参与从前沿技术研究到工程落地的全过程。 你将参与或负责以下工作内容（包括但不限于）： 1.用户兴趣预测：基于生成式大模型解析用户行为与商品/内容语义，构建⽤户需求预测模型，提升推荐场景的转化与⽤户体验; 2.端到端⽣成式链路：探索端到端生成式范式，替代传统多阶段漏斗链路流程，基于强化学习融合业务逻辑，建设出具备⾼效scaling能力的生成式算法新链路； 3.重排范式创新：借鉴生成式大模型技术构建生成式重排创新范式，通过Reward model + 强化学习实现端到端序列整体生态价值建模； 4.深入研究和理解大模型预训练、微调与强化学习技术，结合搜推业务目标持续优化模型效果。
1. 跟进和研发大规模语言模型（LLM）的预训练、持续训练、SFT、RLHF 等技术。 2. 研发基于大模型的生成式召回、广告点击率预估、用户搜索词理解等下游应用。 3. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。