美团高级搜索算法专家
任职要求
1.计算机、数学等专业本科以上学历，有3年以上算法开发工作经验； 2.熟悉大规模数据挖掘、机器学习、分布式深度学习计算框架TensorFlow/PyTorch等，具备扎实的编程能力和算法基础； 3.具有优秀的逻辑思维能力，在复杂业务场景下能够分解和抽象问题，提供优秀、完整、可行的解决方案； 4.善于交流，有良好的团队合作精神和协调沟通能力，有与产品、工程、数据开发等多方密切配合的经验和意识，有较强的责任心和自驱力； 5.对解决具有挑战性问题充满激情，较强的责任心和主动性，良好的沟通协作能力。 具备以下条件优先 1.有业界主流搜索平台算法落地经验，深入理解底层机制策略者优先； 2.在推荐、广告、NLP等相关领域有成功落地经验者优先； 3.取得大型竞赛名次、在相关领域发表过顶会论文者优先。
工作职责
岗位描述： 1. 负责点评平台搜索体验优化，包括查询理解、相关性、排序、知识挖掘等核心工作，不断优化搜索用户体验，驱动业务规模增长； 2. 深度研究搜索领域内的前沿算法技术，包括但不限于使用大模型、BERT、Transformer、多目标、多模态等技术迭代创新并落地到业务中； 3. 和产品、运营等团队紧密合作，根据业务需求进行数据分析和模型优化，提供高效的、符合用户需求的搜索体验； 4. 解决生产环境中的问题和异常，保障搜索服务的稳定运行。
1.负责点评平台搜索体验优化，包括查询理解、相关性、排序、知识挖掘等核心工作，不断优化搜索用户体验，驱动业务规模增长； 2.深度研究搜索领域内的前沿算法技术，包括但不限于使用大模型、BERT、Transformer、多目标、多模态等技术迭代创新并落地到业务中； 3.和产品、运营等团队紧密合作，根据业务需求进行数据分析和模型优化，提供高效的、符合用户需求的搜索体验； 4.解决生产环境中的问题和异常，保障搜索服务的稳定运行。
我们是阿里巴巴饿了么到家搜索算法部门搜索导购算法团队，核心算法工作包括搜索导语生成、排序模型、机制策略、端智能等技术方向以及LBS业务特色下，算法技术的共性与特性探索。我们致力于研究最前沿的到家搜索增长解决方案，探索高价值本地大数据，深挖数据背后的基础运行规律，引领搜索算法技术变革。 1.负责搜索规模增长优化，从海量数据中提取相关特征，刻画用户搜索使用概率问题，负责导语排序模型、导语流量机制、端智能等方面的研究和实现。 2.负责算法驱动的业务拓展优化，包括但不限于零售行业增长、内容化兴趣激发、搜索全域渗透、趋势挖掘和分发、商业机制优化等。 3.参与LBS场景下极具挑战的算法研发工作，包括但不限于LLM在用户意图理解&导语生成&导语分发的深度应用、端云一体化的导购算法优化、生成式导语构建、LBS下的导搜算法系统等。
AE搜索算法团队，负责AIDC AliExpress（AE）、JP- AO和天猫淘宝海外等国际化电商搜索业务优化，为全球100多个国家使用不用语言的用户持续电商搜索体验与效率，并结合大模型升级技术与产品体验创新。 多年来团队紧跟工业界和学术界前沿，在多语言Query理解与相关性、国家差异化召回与排序模型、多语言Query导购与大模型在多语言搜索中应用等技术方向持续探索创新，带来业务快速增长同时发表⾼⽔平学术论⽂20+篇（如AAAI、 IJCAI、TKDE、TMM、RecSys、CIKM和ICDM），申请专利15+项。 大规模深度模型的搜索算法研究，包括但不限于： 1. 多语言Query理解、商品理解和相关性，包括：Query和商品NER、Query类目预测、Query改写与扩展、多语言&跨语言语义相关性等；LLM在多语言电商搜索领域应用，包括：大模型CT和SFT，以及在Query理解、语义相关性、商品理解上的应用； 2. 个性化召回与排序相关技术：基于大规模深度模型的CTR/CVR预估模型及个性化召回模型，包括用户行为序列建模、多目标建模、多模态跨场景迁移建模、国家差异化建模体系建设等； 3. 个性化多语言Query推荐，包括：下拉、底纹、风向标等场域，基于异构行为序列建模、多场景建模的多语言Query推荐技术研究与应用；
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、参与抖音，今日头条，西瓜视频，剪映等App，以及国内电商，生活服务等重点业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长&搜索心智建设任务； 2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节； 3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及多模态等前沿技术的探索。