淘天算法技术-AI搜算法工程师-杭州/北京

优缺点分析

角色解读

• 技术专家路线：深耕AI搜索与大模型技术，成为该领域的技术权威
• 技术管理路线：带领团队攻坚技术难题，负责技术方向规划与团队建设
• 前沿探索路线：持续产出高质量研究成果（论文、专利），影响行业技术发展
• 研究并实现大语言模型（LLM）与搜索系统的深度结合，优化AI搜索的核心算法
• 负责大模型从预训练到后训练（SFT、RLHF/RLVR）的全流程技术开发与落地
• 构建智能化的搜索闭环系统，涵盖数据生成、自动化评估和效果优化
• 跟踪学术前沿，将研究成果转化为技术文章、专利或论文，提升团队技术影响力
• 精通大语言模型（LLM）的原理与训练技术，特别是后训练（Post-training）阶段
• 熟练掌握PyTorch及至少一种主流大模型训练/微调框架
• 深入理解并能够应用RAG（检索增强生成）和Agent（智能体）技术解决实际问题
• 具备将前沿算法与电商搜索等复杂业务场景结合并推动落地的能力

申请策略

• 在简历或面试中，清晰阐述你对‘Agentic Search’的理解，以及如何将其与电商场景结合
• 准备一个能体现你技术深度、工程能力和业务洞察力的完整项目案例
• 详细描述在大模型训练（特别是SFT、RLHF）方面的实战项目经验
• 突出在NeurIPS、ICML等顶会发表的论文或在知名开源项目中的贡献
• 列举使用PyTorch、llama-factory等框架解决实际AI问题的具体案例
• 展示对RAG、Agent技术栈的理解和应用经验，以及将其与业务结合的思考
• 系统性地复习和实践大模型训练流程，特别是最新出现的RLVR、Agentic RL等技术
• 尝试复现或改进与搜索、Agent相关的知名开源项目或论文

面试指南

• 使用STAR原则（情境、任务、行动、结果）结构化地描述过往项目经验，重点突出技术决策和量化成果
• 回答技术问题时，先阐明核心原理，再结合具体场景（如电商搜索）给出解决方案，体现系统性思考
• 对于开放性或前沿问题，可以结合论文阅读、技术趋势和自己的实践，提出有逻辑的分析和见解
• 请详细描述一次你进行大模型后训练（如SFT或RLHF）的经历，遇到了哪些技术挑战？如何解决的？
• 在RAG系统中，如何有效解决检索内容不准确或与问题不相关的问题？
• 请阐述你对Agent技术的理解，如果让你设计一个电商场景的Agentic Search系统，你会如何构建其核心链路？
• 你认为当前AI搜索（相比传统搜索）最大的技术瓶颈或挑战是什么？
• 你最近阅读过哪篇让你印象深刻的关于LLM或搜索的论文？它解决了什么问题？