字节跳动
搜索算法工程师/专家-电商
搜索算法工程师/专家-电商
发布于 大约 16 小时前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
本科
机器学习
NLP
LLM
多模态
搜索算法
大模型
召回
排序
AI 估算 · 30k–60k
杭州大厂高级搜索算法岗位，技术难度高，学历经验要求高，薪资在互联网行业处于高位
职位详情
关于这个职位
加入字节跳动搜索团队，参与抖音、今日头条等产品的电商搜索算法研发
你将专注于搜索全链路（召回、排序、混排等）的模型优化，利用NLP、多模态、大模型等前沿技术提升亿级用户的搜索体验，并推动电商转化效率的增长
最低要求
本科及以上学历，计算机、电子、数学等相关专业
在搜索、推荐、搜广推、自然语言处理NLP、自然语言理解NLU、多模态、机器学习、深度学习等一个或多个领域有较深入的研究者优先
熟悉Linux开发环境，熟练使用C++和Python语言
具有良好的问题分析解决能力，沟通协作能力，工作积极主动，能够与团队融洽合作，一起探索新技术，推进技术进步
工作职责
参与搜索引擎研发，探索搜索全链路（分析、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、RAG、NLP、LLM、多模态、机器学习、深度学习等，推动搜索算法在电商场景的落地与提升，提升亿级用户搜索体验
参与电商搜索算法的优化与迭代，提升转化效率、用户体验和供给生态
深入参与核心搜索产品的需求设计，负责算法和工程的高质量交付，持续优化效果提升产品体验
挖掘数据，构建Query理解、召回、排序等模型，提升电商搜索算法能力
学习前沿技术，探索大模型等创新技术在AI搜索场景的落地
优先资格
具有优秀的基础算法、扎实的机器学习/深度学习基础，熟悉CV、NLP、RL、ML等领域的技术，在ICML、ACL、COML、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先
具有优秀的代码能力，熟练掌握C/C++或Python编程语言，ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先
在LLM、多模态、大模型、基础模型、世界模型、RL等领域，主导过大影响力项目者优先
具有大规模搜索引擎、推荐系统、分布式系统、计算广告、超大规模数据计算等相关经验者优先
AI 洞察
优缺点分析
优点
- 身处字节跳动核心业务部门，接触海量真实数据和亿级用户场景
- 使用业内最前沿的技术栈（LLM、多模态等），个人技术成长空间大
- 公司平台资源丰富，团队技术氛围浓厚，有发表顶会论文和参加比赛的机会
- 技术门槛高，需要持续学习最新论文和模型，对自学能力要求高
- 电商搜索场景优化指标多元（用户体验与商业变现平衡），问题复杂
- 适合对搜索、NLP或大模型有浓厚兴趣，追求技术前沿、抗压能力强、渴望在大型互联网平台快速成长的算法工程师
缺点 / 挑战
- 算法迭代周期快，业务需求变化频繁，工作强度和压力较大
角色解读
- 可在搜索技术领域深耕，成长为技术专家，主导核心算法方向
- 有机会向技术Leader发展，带领团队攻克难题，推动业务创新
- 可横向扩展至推荐、广告等相邻领域，或纵向深入NLP/多模态基础研究
- 设计和优化电商搜索全链路算法，包括Query理解、召回、排序、混排等模型
- 探索NLP、多模态、大模型等前沿技术在搜索场景的应用，提升搜索效果
- 参与核心搜索产品的需求设计，负责算法工程交付，持续迭代提升用户体验和转化效率
- 扎实的机器学习/深度学习基础，熟悉NLP、多模态或大模型技术
- 精通C++和Python，具备良好的工程能力，能够落地大规模算法系统
- 有搜索、推荐或广告相关经验者优先，熟悉CTR/CVR预估、向量召回等技术
申请策略
- 在简历中强调与电商搜索相关（如商品理解、用户意图识别）的经验
- 联系内推人了解团队当前技术重点，在面试中展示对业务场景的理解
- 突出搜索、推荐或NLP相关项目经验，尤其是实际落地并取得线上收益的案例
- 展示在顶会发表的论文或Kaggle/ACM比赛获奖经历，证明学术与工程能力
- 详细描述在CTR预估、向量召回、多模态匹配等方向的具体工作和量化成果
- 补强LLM、多模态方面的知识，熟悉Transformer、Prompt tuning等技术
- 巩固C++工程能力，练习大规模数据处理和分布式系统相关技能
- 阅读字节跳动搜索团队的公开技术文章或相关论文，了解团队技术栈
面试指南
- 项目介绍采用STAR原则（情境、任务、行动、结果），突出技术细节和量化指标
- 系统设计类问题：先明确目标和边界，再分模块（召回、粗排、精排）逐步展开
- 开放性问题：可以从现有技术痛点出发，提出改进思路，展示创新点
- 请详细描述你参与过的一个搜索或推荐项目，包括技术方案、难点和效果
- 如何设计一个商品搜索的Query理解模型？请从分词、实体识别到意图分类展开
- 如何平衡电商搜索的点击率（CTR）和转化率（CVR）？请设计多目标排序方案
- 大模型（LLM）在搜索场景中如何落地？请举例并说明收益和挑战
- 手撕代码：实现一个Top-K排序算法（如堆排序），并分析复杂度
匹配度报告
68
综合匹配度
大厂核心搜索算法岗，前沿技术栈，高薪高压，成长快。
适合人群
最适合追求技术成长和职业发展、看重薪资和平台资源的求职者，但对工作生活平衡有较高要求者需谨慎。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展95
工作生活40
使命价值60
薪资福利匹配
75中等
薪资水平在互联网大厂中处于高位，但JD未明确福利细节，稳定性较好。
薪资信号面议 (30K-60K/月)
成长发展匹配
95较高
技术栈前沿，业务场景复杂，团队鼓励创新和成长，发展性极佳。
技术前沿前沿/新兴技术
技术栈NLP、LLM、多模态、深度学习、CTR/CVR预估、RAG
成长机会成长自我、学习前沿技术、探索、创新
业务类型profit_center
工作生活匹配
40较低
未提及远程或弹性工作，互联网大厂加班常见，工作生活平衡受限。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
电商搜索提升用户和商业价值，社会影响力一般，但行业前景好。
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