蚂蚁金服蚂蚁集团-AI算法专家(搜索推荐方向)-AIRS
任职要求
1. 深厚的算法积淀：精通搜索或推荐领域的基础理论。在深度学习、大规模分布式训练、特征工程等方面有深厚的工程实践经验，理解复杂链路下的系统性瓶颈； 2. 大模型实战经验：对 LLM / 强化学习有深刻理解，并有成功的业务落地经验。能够熟练进行模型微调（SFT）、强化学习对齐（RLHF）或 RAG 系统的架构设计；有多模态理解与生成（AIGC）经验者加分，能应用于素材理解与生成式创意优化； 3. 卓越的问题解决能力：具备极强的数据洞察力和实验设计能力，能够从复杂的业务现象中抽象出底层算法…
工作职责
面向蚂蚁核心搜索与推荐场景，处理海量规模用户行为与内容数据，结合检索、排序、大模型与生成式推荐能力，持续优化内容匹配效率、用户体验与业务价值。将参与从 Query 理解、召回、粗排、精排、重排到生成式结果优化的完整链路建设，推动 AI 搜索、生成式推荐、智能化结果生成等能力在真实业务中的落地与迭代。 1. 架构演进与全链路优化：深度参与从 Query 理解、召回、粗排、精排到重排及生成式结果优化的搜索推荐全链路建设。面对复杂业务场景，能够前瞻性地布局技术架构，持续提升业务规模与核心转化指标； 2. 前沿技术突破与落地：主导生成式推荐、Semantic ID、Scaling Law 在搜索推荐领域的应用研究。解决大模型在实时搜索与推荐系统中的推断延迟、幻觉控制、长尾内容分布等核心业务痛点； 3. 搜索 Query 理解与意图建模：构建基于 LLM 的 Query 理解与意图识别体系，涵盖 Query 改写、语义召回、个性化触发等能力，提升搜索结果的相关性与召回覆盖，打通“搜索即推荐、推荐即生成”的链路闭环； 4. 智能体（Agent）体系建设：负责构建基于 LLM 的算法专家智能体。实现策略自动调优、实时效果归因、仿真模拟及智能监控，将算法研发模式从“手动调参”转向“自动化决策”。
1.负责AI搜索中大模型后训练方向的核心技术研发，包括SFT、偏好学习、强化学习等算法研发、优化与创新，提升AI搜索的回复效果； 2.跟踪AI搜索领域的前沿技术，参与前沿算法研究，推动研究成果在业务场景的落地应用； 3.参与产品讨论，基于技术对产品提出改进建议。
1.负责AI搜索中检索排序方向的核心技术研发，包括检索规划、语义召回、LLM-based Ranking等算法研发、优化与创新，提升检索的相关性、时效性、质量、权威性； 2.跟踪AI搜索领域的前沿技术，参与前沿算法研究，推动研究成果在业务场景的落地应用； 3.参与产品讨论，基于技术对产品提出改进建议。
阿里云AI搜索算法团队致力于构建大模型驱动的AI搜索算法，为多行业客户提供标准搜索产品。团队坚持探索最新技术方向，鼓励创新，拥抱开源生态，相关开源模型及方案登顶多个AI搜索相关公开榜单。您负责的技术方向包括但不限于： 1. 文本搜索：负责长文档搜索相关技术方向，基于LLM全面提升相关文本搜索模块效果，包括Query理解、Embedding及Rerank模型等模块。 2. 多模态搜索：负责图文、视频、语音等多模态数据的相关算法模块，基于VLM实现精准的多模态及跨模态数据检索，包括多模态数据理解、Embedding及Rerank模型等模块。
关于我们： MOS 实验室隶属于阿里 ATH 千问事业群。我们致力于在大模型时代打造具有全球影响力的 AI 原生产品，推动 AI 从“被动对话”向“主动服务与复杂执行”的范式跃迁。 实验室核心业务涵盖 AI 搜索、生成式推荐、主动服务及任务助理 Agent 等前沿领域。依托千问大模型底座，我们深度探索 RAG、Agentic RL、多 Agent 协作及全链路工程自动化技术，旨在构建能够深度理解用户、自主规划路径并闭环交付任务的“最强 AI 助手”。 岗位职责：深耕全链路 AI 搜索与 Agent 技术 1. AI 搜索核心技术研发： 负责 AI 搜索场景下的核心算法研发，包括但不限于索引构建与收录、向量召回、 LLM 相关性模型以及生成式检索与排序的构建与优化。 2. 垂直领域 RAG 落地： 利用大模型技术（LLM）实现行业深度搜索，攻克垂直领域下的语义对齐、知识抽取及结构化数据检索等核心难题。 3. 全链路 Agent 提效： 探索大模型与搜索技术的深度结合，负责 Agent 框架下的全链路效率提升，通过Agent技术重构搜索链路，自动化完成搜索效果优化。 4. 技术前瞻与转化： 跟踪全球大模型与 信息检索领域的最前沿技术，确保搜索产品在生成式时代的领先地位。 职级可看P6-P8