拼多多【电商】搜索算法工程师

搜索相关性优化负责电商搜索链路（召回/粗排/精排）的相关性建模，提升用户体验。聚焦 降低 bad case（无关、劣质、不完整结果），提升结果的准确性与覆盖率。异常 case 治理构建 相关性异常检测与纠偏机制，减少用户“搜不到 / 搜不准”的情况。通过语义匹配、Query 理解、意图识别等手段，优化长尾、模糊、歧义搜索请求。前沿算法探索与应用应用 大规模预训练模型（LLM）等技术，提升搜索体验。探索 query rewrite / query expansion / re-ranking 技术，改善搜索结果的精准度与多样性。数据与特征建设挖掘用户行为数据（点击、加购、下单等）以及商品内容特征，建立高质量的特征体系。构建数据闭环，推动 bad case 的自动发现、样本生成与模型优化。

1、搜索相关性优化 *负责电商搜索链路（召回/粗排/精排）的相关性建模，提升用户体验。 *聚焦 降低 bad case（无关、劣质、不完整结果），提升结果的准确性与覆盖率。 2异常 case 治理 *构建 相关性异常检测与纠偏机制，减少用户“搜不到 / 搜不准”的情况。 *通过语义匹配、Query 理解、意图识别等手段，优化长尾、模糊、歧义搜索请求。 3、前沿算法探索与应用 *应用 大规模预训练模型（LLM）等技术，提升搜索体验。 *探索 query rewrite / query expansion / re-ranking 技术，改善搜索结果的精准度与多样性。 4、数据与特征建设 *挖掘用户行为数据（点击、加购、下单等）以及商品内容特征，建立高质量的特征体系。 *构建数据闭环，推动 bad case 的自动发现、样本生成与模型优化。

团队介绍：字节跳动抖音搜索团队主要负责抖音搜索算法创新和架构研发工作，主要包括短视频、直播、本地生活、视觉搜索等多个业务线。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 1、支持抖音AI搜/豆包等原生LLM应用的电商需求，负责大模型应用相关的数据建设、模型微调/对齐、RAG、规划Planning、Memory等工作； 2、支持大模型技术改进现有的电商搜索，探索大模型下的新搜索引擎设计，包括LLM适性的索引、基于LLM的相关性、生成式召回、排序大模型等； 3、探索AI找搭配/虚拟穿搭等AIGC创新应用。

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算法创新和架构研发工作。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索最前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 我们要构建业内顶尖的电商搜索业务，帮助用户在抖音，直播，头条等超大流量搜索场景下，发现并获得好物。 1、支持抖音电商业务快速发展，提升海量用户搜索购物体验，促进生态良性发展； 2、结合亿级用户搜索和推荐场景，应用大规模机器学习技术提升用户购物体验和转化效率； 3、负责电商搜索算法设计与技术实现，搜索全栈（召回、粗排、精排、混排）的个性化行为建模，包括CTR、CVR预估、向量召回、价值混排等。