ATH事业部-应用算法开发工程师-杭州/北京

优缺点分析

角色解读

• 技术方向：从推荐算法工程师向高级算法专家、算法架构师发展，深耕大模型与推荐系统结合的前沿方向
• 管理方向：可向算法团队负责人、技术经理等管理岗位发展，带领团队负责核心推荐链路
• 业务方向：深入理解业务后，可向产品、运营等方向拓展，成为懂技术的复合型人才
• 负责推荐系统全链路策略的算法设计与优化，包括重排/混排模型、用户兴趣建模、冷启动策略、内容生态策略等，提升推荐精准度与用户满意度
• 探索大模型在推荐场景的落地应用，如基于LLM的用户兴趣理解、用户体验评估、AI内容选择，以及重构召回/粗排/精排/重排/混排全链路模型
• 负责搜索词推荐体验与需求激发，优化下拉推荐、大家都在搜/大家都在看等核心场景的Query质量、相关性与多样性，设计生成式推荐模型，实现主题与Query的个性化生成与分发
• 与产品、数据、工程团队紧密协作，通过数据分析和策略拆解驱动优化，基于大模型建设推荐系统评估体系，通过AB实验验证并持续迭代
• 精通机器学习、深度学习、强化学习等核心技术，熟悉分布式计算与MLOps流程，具备大模型训练、优化或部署落地经验
• 扎实的编程能力（Python/Java/C++等），熟悉主流机器学习框架，能独立完成算法设计、模型调优及工程化实现，有高并发、低延时系统开发经验者优先
• 熟练使用主流LLM框架与工具，熟悉AI Agent开发范式，具备Agent Skill/插件开发经验者优先
• 思路清晰，具备良好的业务理解、系统分析与软件设计能力，沟通与横向推动能力强

申请策略

• 关注阿里巴巴技术品牌：了解阿里巴巴在AI大模型（如通义千问）和推荐系统方面的技术布局，在面试中体现你的技术热情和匹配度
• 准备系统设计问题：大模型在推荐系统中的应用是热门考点，提前准备如何设计一个基于LLM的推荐链路
• 突出推荐算法项目经验：重点描述在推荐系统（如召回、粗排、精排、重排、混排）或广告算法领域的项目经历，量化说明你负责的算法优化带来的业务指标提升（如CTR、GMV、用户时长等）
• 突出大模型项目经验：详细描述你在LLM应用、Agent开发、意图理解、内容生成等方面的项目实践，说明你的技术选型和落地效果
• 突出编程与工程能力：强调扎实的编程基础（Python/Java/C++），以及高并发、低延迟系统的开发经验，体现你的工程化能力
• 深入掌握大模型技术栈：系统学习Transformer、LLM微调（如LoRA）、Agent、RAG等，并尝试在推荐场景中实践
• 补充MLOps经验：了解并实践MLOps流程，包括数据管理、模型训练、部署、监控和迭代
• 准备项目案例：梳理1-2个最能体现你算法能力和业务价值的项目，并准备详细的技术细节和业务价值

面试指南

• 回答项目经验类问题，建议采用STAR法则（情境-任务-行动-结果），重点突出你的个人贡献和量化结果
• 对于技术理解类问题，建议先给出你的核心观点，再分点论述，结合具体的技术和案例，体现你的技术深度和思考
• 对于系统设计类问题，建议从业务目标出发，拆解技术挑战，给出清晰的技术架构和方案，并说明权衡和取舍
• 请详细介绍一下你在推荐系统或大模型方向最有代表性的项目，你担任的角色和贡献，以及最终的业务效果
• 你对大模型（如LLM）在推荐系统中的应用前景和挑战怎么看？请结合具体场景谈谈你的理解
• 在推荐系统中，如何平衡推荐结果的精准度和多样性？请结合你的项目经验谈谈
• 你如何理解用户意图？在搜索和推荐场景中，如何通过大模型实现用户显式和隐式需求的识别与挖掘？
• 请介绍一个你负责的算法模型从设计到上线的完整流程，包括数据、特征、模型训练、评估和上线监控