淘天算法技术-生成式推荐/大模型应用算法-杭州*

优缺点分析

角色解读

• 在技术深度上，可向大模型算法专家方向发展，成为LLM应用领域的权威
• 在业务广度上，可深入理解电商搜索推荐生态，转向产品经理或技术管理岗位
• 在阿里巴巴体系内，有清晰的P序列晋升通道，可逐步晋升至高级算法专家或技术Leader
• 构建电商领域的需求理解体系，定义需求Schema，分析需求聚簇与演化，为搜索导购提供基础
• 研发基于LLM的意图推理引擎，包括RAG检索、SFT/RL对齐训练和Memory更新机制，提升需求识别准确性
• 优化搜索下拉推荐和“大家都在搜”等场景的Query质量，设计生成式推荐模型，实现个性化内容生成
• 扎实的NLP、机器学习基础，熟悉Transformer、Dense/MoE等大模型架构
• 具备LLM/MLLM实操经验，熟练使用llama-factory、verl、megatron等训练框架，有SFT/RL调优经验
• 熟悉搜索、推荐或广告业务，具备数据分析能力，能通过数据驱动问题解决

申请策略

• 在简历中明确体现对淘宝搜索业务的理解和思考，展示创新想法
• 准备时关注阿里巴巴技术博客和公开分享，了解团队技术方向
• 突出大模型相关项目经验，特别是SFT、RL训练和RAG应用案例
• 强调在搜索、推荐或广告领域的业务成果，如效果提升数据
• 展示NLP/ML扎实基础，如顶会论文、竞赛获奖或开源贡献
• 补充学习大模型训练框架（如llama-factory、verl）和强化学习（RLHF）知识
• 熟悉电商搜索推荐业务，了解Query理解、召回排序等核心环节

面试指南

• 对于技术问题，采用STAR法则（情境-任务-行动-结果）清晰阐述项目背景、个人贡献和量化成果
• 对于设计类问题，先明确目标，再拆解子问题，给出技术选型和方案对比，最后提出评估方法
• 对于业务理解问题，结合对淘宝搜索的观察，提出自己的见解，并联系到具体技术实现
• 请详细描述你过去使用LLM进行SFT或RL训练的完整流程和调优经验
• 如何设计一个基于LLM的意图推理引擎来挖掘用户的隐性需求？
• 在生成式推荐中，如何平衡Query的相关性和多样性？
• 如何评估一个需求理解体系的效果？请给出具体的指标和评估方案
• 请谈谈你对淘宝搜索从“人找货”到“需求激发”范式升级的理解