通义通义实验室-技术专家-知识库搜索增强(RAG)
任职要求
1、计算机/人工智能相关专业硕士及以上学历，5年以上工作经验，精通C++/Java/Go一门编程技术， 有大型分布式系统开发经验者优先； 2、熟悉信息检索理论，具有高并发在线服务系统开发经验者优先； 3、熟悉Linux系统脚本， 能够熟练使用Unix shell scripting…
工作职责
通义实验室工程团队致力于打造面向公众与企业的大规模、高性能在线 AI 服务平台，支撑了通义千问、通义万相及多种开源先进模型的在线服务，并推动 AI Agents、多模态应用、MCP 等前沿技术的产品化落地。团队持续攻克异构 GPU 资源调度、多模型多地域部署、多模态任务统一推理、多样化服务等级保障（SLO），以及模型推理全链路工程化的关键挑战，不断提升资源效能和系统的性能、稳定性。 1、结合LLM技术，设计和优化RAG全链路的基础架构，提升系统的吞吐能力和响应速度； 2、构建高性能，可扩展的分布式文件处理和索引构建系统，承载海量文档的知识库的索引和检索需求； 3、规划和优化检索集群，通过合理的分片，资源分配等策略降低延迟提高吞吐，针对业务场景进行服务优化； 4、建立完善的系统监控，日志分析和trace平台，能快速定位和解决系统问题。
1. 结合LLM技术，设计和优化RAG全链路的基础架构，提升系统的吞吐能力和响应速度。 2. 构建高性能，可扩展的分布式文件处理和索引构建系统，承载海量文档的知识库的索引和检索需求。 3. 规划和优化检索集群，通过合理的分片，资源分配等策略降低延迟提高吞吐，针对业务场景进行服务优化。 4. 建立完善的系统监控，日志分析和trace平台，能快速定位和解决系统问题。
1. 结合LLM技术，设计和优化RAG全链路的基础架构，提升系统的吞吐能力和响应速度。 2. 构建高性能，可扩展的分布式文件处理和索引构建系统，承载海量文档的知识库的索引和检索需求。 3. 规划和优化检索集群，通过合理的分片，资源分配等策略降低延迟提高吞吐，针对业务场景进行服务优化。 4. 建立完善的系统监控，日志分析和trace平台，能快速定位和解决系统问题。
1. 结合LLM技术，设计和优化RAG全链路的基础架构，提升系统的吞吐能力和响应速度。 2. 构建高性能，可扩展的分布式文件处理和索引构建系统，承载海量文档的知识库的索引和检索需求。 3. 规划和优化检索集群，通过合理的分片，资源分配等策略降低延迟提高吞吐，针对业务场景进行服务优化。 4. 建立完善的系统监控，日志分析和trace平台，能快速定位和解决系统问题。
1、负责端侧设备AI Memory学习能力的算法设计与落地实施，基于多源、多模态数据，构建高效Memory提取、学习算法，打造稳定可扩展的记忆系统； 2、研发基于用户交互的个性化记忆管理机制，支撑用户在用机交互过程中的记忆生命周期管理与持续学习，如动态强化、压缩与遗忘； 3、设计建立记忆系统量化评估体系，包括不限于记忆准确率、记忆一致性、记忆效率，验证衡量记忆效果，牵引任务目标达成； 4、探索 AI Memory 的前沿算法，结合用户反馈，构建行为规律预测、决策推理、持续学习能力，支撑个性化业务的体验提升； 5、结合大模型微调、强化学习等后训练技术，完成相应系统能力的快速迭代与演进； 6、研究追踪AI行业新技术，推进新技术在个人化学习等方向的落地应用。