字节跳动
大模型搜索算法工程师-Data AML
大模型搜索算法工程师-Data AML
发布于 大约 16 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
学历未注明
深度学习
NLP
信息检索
搜索算法
大模型
意图识别
相关性排序
AI 估算 · 35k–65k
大模型搜索算法为当前技术热点，字节跳动薪资竞争力强，高级岗位月薪中位数在50k左右。
职位详情
关于这个职位
该职位负责字节跳动内容套件搜索业务，通过大模型技术提升搜索精准度
你将参与召回、排序、NLP等核心算法开发，并探索大模型在搜索中的应用
适合有搜索或NLP经验、对大模型感兴趣的高级算法工程师
最低要求
有搜索相关经验，熟悉搜索的召回、粗排、精排算法
熟悉常见的NLP算法，包括纠错、分词、改写、Term Weighting、意图识别、相关性等
熟悉Linux开发环境，有扎实的算法和数据结构功底，熟练使用C++和Python语言
良好的问题解决能力、团队合作意识和沟通能力，有相关业务场景实践经验者优先
工作职责
支持快速增长的内容套件搜索业务，为用户提供精准的搜索体验
为内容插件提供搜索能力，为大模型场景提供精准内容输出
不断创新，探索大模型技术在搜索中的应用
优先资格
有结构化信息提取、智能摘要经验者优先
熟悉大模型相关技术，有搜索项目落地经验者优先
AI 洞察
优缺点分析
- 字节跳动是大厂平台，技术氛围浓厚，资源丰富，项目挑战大
- 大模型+搜索是前沿方向，技能积累价值高，未来职业竞争力强
- 薪资待遇优厚，福利完善（如免费三餐、健身房等）
- 业务增长快，工作强度较大，需要快速迭代和持续学习
- 大模型技术在搜索中的应用尚在探索，技术难度高，不确定性大
- 竞争激烈，需同时具备搜索和NLP深度能力，学习曲线陡峭
- 适合有搜索或NLP背景、热爱技术挑战、希望在大模型领域深耕的资深算法工程师
角色解读
- 成长为搜索算法专家，深入大模型与搜索结合的前沿方向
- 向技术负责人或架构师发展，带领团队攻克复杂难题
- 横向拓展至推荐、广告等算法领域，拓宽技术栈
- 负责搜索业务的召回、粗排、精排算法研发与优化，提升搜索效果
- 为内容插件和大模型场景提供精准搜索能力，支持结构化信息提取和智能摘要
- 探索大模型技术在搜索中的创新应用，推动技术落地
- 精通搜索算法（召回、排序）和NLP技术（纠错、分词、意图识别）
- 熟悉大模型相关技术，有搜索项目落地经验优先
- 熟练使用C++和Python，有扎实的数据结构和算法功底
申请策略
- 关注字节跳动在AI和大模型领域的布局，面试中可主动探讨技术观点
- 准备好系统设计和算法手写代码题，字节面试以算法题著称
- 突出搜索相关项目经验，尤其是召回、排序、NLP方面的落地成果
- 强调大模型应用经验（如LLM微调、RAG等），用具体效果量化
- 展示算法竞赛、论文或开源贡献，体现深度技术能力
- 补充大模型技术栈，如Transformer、RLHF、向量数据库等
- 系统复习搜索排序算法（如LTR、GBDT），并动手实践
面试指南
- 用STAR法则描述项目：情境、任务、行动、结果，突出技术难点和收益
- 对于算法设计题，先明确输入输出，分析复杂度，再给出方案
- 技术问题回答时，先讲原理再结合实际案例，体现思考深度
- 请介绍一下你参与过的搜索排名项目，如何优化CTR？
- 大模型在搜索中如何应用？举例说明
- 实现一个简单的分词算法或纠错算法
- 如何设计一个搜索系统的粗排和精排？
- 给定一个Query，如何判断其意图？
匹配度报告
71
综合匹配度
大厂前沿技术岗，薪资优厚、成长快，但工作强度高、WLB一般。
适合人群
适合重视技术成长和薪资回报，且能接受高强度工作的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利匹配
85较高
薪资水平位于市场高位，字节福利完善，但具体薪资未在JD中披露，可能需面议。
薪资信号未披露 (35K-65K/月)
成长发展匹配
90较高
大模型+搜索为前沿技术，成长空间大，JD强调创新和技术探索，但未明确晋升通道。
技术前沿前沿/新兴技术
技术栈大模型、搜索算法、NLP、Python、C++、深度学习
业务类型profit_center
工作生活匹配
40较低
JD未提及远程或弹性工作，字节跳动通常需要现场办公，且互联网行业加班常态化。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
搜索业务是用户核心需求，提升搜索体验有意义，但未涉及明显社会使命。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs