酷澎
Senior Staff/Staff Machine Learning Engineer
Senior Staff/Staff Machine Learning Engineer
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Generative Ai
Information Retrieval
Llms
值不值得投
78综合评分
综合评分 78
前沿技术栈、高薪资潜力、大平台机会，但WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
4.3万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 190 个在招
市场机会
选择面较广
北京 · 人工智能 · 约 610 个在招
职位详情
关于这个职位
作为酷澎搜索与发现团队的高级/资深机器学习工程师，您将主导利用先进的算法、机器学习和生成式AI（LLMs）技术，优化产品搜索和发现流程，涵盖查询理解、语义检索和排序等核心环节，以提升搜索质量、用户体验和商业转化
您需要具备深厚的分布式系统经验，能够领导技术方案落地，并推动跨部门协作
最低要求
年以上相关领域专业经验，包括搜索、信息检索、推荐系统、机器学习、深度学习或自然语言处理
扎实的软件工程基础，熟练掌握Python、C++或Java编程技能
分布式系统经验：具有处理大规模数据、训练大型模型和在高QPS管道中提供服务的实战经验（例如使用Spark、Ray、Kubernetes）
务实的问题解决者：能够将模糊的业务问题转化为数学模型，并交付生产级的机器学习解决方案
学历：计算机科学、数据科学或相关工程领域的硕士学位
工作职责
系统诊断：找出当前搜索和推荐系统的瓶颈，并量化整个搜索流程（查询重写/检索/排序）的缺陷
前沿解决方案：提出并架构端到端的解决方案，利用先进的机器学习、深度学习和生成式AI/LLM，将传统搜索组件升级为AI原生架构
核心流程优化与LLM应用：• 查询理解：利用微调LLM构建下一代查询理解服务（意图检测、查询重写、语义扩展、实体抽取）
候选检索：设计并扩展语义/稠密检索系统，将传统向量搜索（ANN）与生成式检索技术相结合
排序与重排序：开发和优化基于LLM的列表式/成对重排序模型，并处理实时服务中的性能权衡（延迟、成本、吞吐量）
生产与评估：实施方案，优化离线/在线推理性能（使用模型蒸馏、量化、vLLM/TensorRT），并进行严格的A/B测试
技术领导：作为思想领袖，指导高级工程师，并在跨职能组织（基础设施、平台、产品）中达成共识，推动搜索AI路线图
示例项目包括：LLM驱动的查询理解、生成式与语义检索、LLM重排序与蒸馏、深度转化与个性化、基于图的关系
优先资格
LLM与生成式AI专业知识：在针对搜索、推荐或NLP任务（如查询扩展、稠密检索、重排序）的LLM微调（SFT、LoRA）、对齐（RLHF/DPO）或蒸馏方面具有深入的实践经验
AI 洞察
优缺点分析
优点
- 接触前沿的LLM和生成式AI技术，在搜索领域深度应用，技术栈先进
- 在大型跨国电商平台工作，项目规模大、影响广，能快速提升个人能力
- 公司处于高速增长赛道，创新氛围浓厚，有丰富的跨部门协作机会
- 需要快速适应大公司流程和跨团队沟通，平衡技术实现与业务需求
缺点 / 挑战
- 经验要求高（10年以上），竞争激烈，对技术深度和广度都有较高要求
- 可能面临高强度的工作节奏和解决复杂技术问题的压力
- 适合具有深厚机器学习背景、追求技术挑战、并希望在大规模电商场景中应用AI技术的资深工程师
角色解读
- 在机器学习和AI领域成为技术专家或架构师，专注于搜索和推荐系统
- 转向技术管理岗位，领导更大规模的AI团队和项目
- 在电商科技行业积累经验，有机会参与前沿的商业化AI创新
- 负责搜索和推荐系统的全栈优化，利用LLM和生成式AI技术提升查询理解、检索和排序效果
- 设计和实现生产级机器学习解决方案，包括模型训练、推理优化和大规模部署
- 作为技术领导者，指导团队成员并推动跨部门协作，制定技术路线图
- 深厚的机器学习、深度学习和自然语言处理知识，特别是LLM和生成式AI的实际应用经验
- 扎实的编程能力（Python、C++）和分布式系统经验，能够处理大规模数据和服务高并发
- 强大的问题解决和系统设计能力，能够将业务需求转化为可落地的技术方案
申请策略
- 研究酷澎的搜索和推荐产品线，了解其技术挑战和创新点，在面试中展示针对性思考
- 准备展示跨职能协作和技术领导力的案例，体现推动项目落地的能力
- 重点突出10年以上搜索、信息检索或推荐系统相关项目经验，尤其是涉及LLM/生成式AI的实践
- 详细描述在分布式系统（如Spark、Kubernetes）中部署大规模机器学习模型的成果
- 展示从问题定义到生产落地的完整案例，强调性能优化和业务影响
- 深化对LLM微调、对齐和蒸馏技术的理解，特别是针对搜索和NLP任务
- 加强分布式机器学习框架（如Ray）和推理优化工具（如TensorRT）的实战经验
- 了解电商搜索业务指标和用户行为，提升将技术方案与业务目标结合的能力
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答项目经验问题
- 从系统设计、模型选择、工程实现等多个维度阐述技术方案
- 结合具体数据和业务指标，量化工作成果和影响力
- 请描述你过去在搜索或推荐系统中应用LLM的一个具体项目，包括挑战和解决方案
- 如何设计一个高并发、低延迟的语义检索系统？
- 你如何平衡模型性能（如准确率）和系统效率（如延迟、成本）？
- 作为技术领导者，你如何推动跨部门项目达成共识？
- 你对搜索AI的未来发展趋势有什么看法？
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
该职位位于北京/上海，属于高经验要求的技术岗位，在已上市跨国企业中，薪资和福利通常具有市场竞争力，能较好地满足物质回报需求。
薪资信号未披露（AI估算：2.5千–6万/月）
成长发展
90较高
职位聚焦于LLM、生成式AI等前沿技术在搜索领域的应用，提供深度技术挑战和大规模项目实践机会，有利于技能快速成长和行业影响力提升。
技术前沿前沿/新兴技术
技术栈LLMs、Generative AI、Information Retrieval、Recommendation Systems、Distributed Systems
业务类型profit_center
工作生活
50较低
JD未提及工作模式或工作生活平衡相关信号，无法判断办公灵活性和加班情况，生活化动机满足程度有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
公司使命是构建商业未来，处于电商高速增长赛道，技术驱动业务创新，能提供一定的行业前景和社会价值感。
行业发展高速增长赛道
社会影响中性/一般
使命信号build the future of commerce、wow our customers
创新程度积极采用新技术
酷澎 的其他在招职位
相似职位推荐
Watch Jobs