搜推增长算法工程师-小荷健康

优缺点分析

角色解读

• 技术纵深发展：从搜索推荐算法专家成长为技术带头人，主导核心算法方向
• 业务与管理转型：积累医疗垂类业务理解，走向产品策略或技术管理岗位
• 跨领域扩展：结合LLM和推荐技术，探索新场景如AI助手、个性化内容生成
• 优化抖音、头条等App内医疗搜索和推荐系统，通过召回、排序、多目标融合等全链路技术提升搜索效果和用户增长
• 探索生成式搜索等前沿技术，将LLM/NLP能力与推荐系统结合，落地在Chat化场景
• 利用SFT、RM、RL等方法优化模型问答质量，并基于海量用户反馈信号提升个性化回答能力
• 扎实的编程能力，精通C++或Python，熟悉数据结构与算法
• 深入理解机器学习算法，有搜索、推荐或广告领域的实际应用经验
• 较强的数据分析和问题解决能力，能独立探索新问题
• 熟悉LLM/NLP、强化学习等前沿技术优先

申请策略

• 准备一段视频或文档展示你主导的算法项目，重点说明技术方案和业务效果
• 了解小荷健康产品方向，思考如何将AI技术应用于医疗搜索与推荐场景
• 突出搜索/推荐系统的项目经验，尤其是全链路优化或用户增长相关的成果
• 强调在LLM、NLP或强化学习方面的实践，如SFT、RL训练等
• 展示代码能力和竞赛奖项（如ACM、NOI）或开源贡献，体现技术深度
• 系统学习LLM相关技术，包括Prompt工程、微调、RLHF等
• 补充搜索推荐架构知识，了解召回、排序、多目标优化等工程实现
• 熟悉字节跳动内部技术栈（如推荐系统框架）或类似系统

面试指南

• 使用STAR（情境-任务-行动-结果）方法结构化描述项目经验
• 对于开放性问题，先点明核心挑战，再给出技术方案和权衡，最后总结
• 结合医疗领域特点（如用户意图、数据稀缺）体现业务思考
• 请描述你参与过的一个搜索/推荐系统优化项目，包括挑战和最终效果
• 如何处理冷启动问题？在医疗搜索场景下有哪些特殊考虑？
• LLM在推荐系统中如何应用？请谈谈你的理解和实践经验
• 如何评估一个搜索算法的好坏？有哪些关键指标？
• 请解释SFT和RL在模型优化中的区别与联系