阿里巴巴
千问事业部-世界知识算法专家-杭州
千问事业部-世界知识算法专家-杭州
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公NLP工程
NLP工程
Graphrag
Nlp
Rag
向量检索
多模态
大模型
知识图谱
知识融合
图谱推理
值不值得投
75综合评分
综合评分 75
头部大厂、前沿技术、高薪，但工作强度可能较高，WLB一般。
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
55K
比NLP工程中位数高
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 1580 个在招 · 其中NLP工程 21 个
市场机会
选择适中
杭州 · NLP工程 · 31 个在招
职位详情
关于这个职位
该职位负责阿里巴巴千问大模型的世界知识底座建设，研发实体、关系、事件等知识抽取算法，构建大规模知识图谱，并探索知识与大模型的双向协同（RAG、GraphRAG、Agent等）
你将处理万亿级网页数据，打造覆盖多语言多模态的世界知识库，直接提升千问的回答准确性与推理能力
最低要求
具备扎实的编程基础，熟悉常用的数据结构和算法，具备良好的代码风格和编程习惯
熟悉知识抽取、知识表征、知识融合、图谱推理等核心技术，有大规模知识库或知识图谱构建/应用经验者优先考虑
理解大模型技术原理，对世界知识与大模型的结合（RAG、GraphRAG、Agent、知识增强训练、知识编辑等）有自己的思考与实践者优先考虑
有良好的沟通表达能力和团队合作精神，热衷技术，乐于寻求挑战和突破自我
工作职责
世界知识挖掘：研发面向开放域的实体、关系、事件、属性、常识等多类型知识抽取算法，从万亿级网页、文档、多模态内容中持续提炼高质量世界知识
知识表征与融合：攻克实体对齐、共指消解、知识冲突检测、来源可信度与时效性评估等关键问题，探索符号知识图谱与稠密向量表征的融合范式，构建覆盖全领域、跨语言、跨模态的统一世界知识体系
知识与大模型协同进化：探索世界知识与千问大模型的双向赋能——以知识增强大模型的事实性、时效性与多跳推理能力（RAG / GraphRAG / Agent / 工具调用 / 知识编辑），同时利用大模型反哺知识抽取、补全与纠错，形成'知识自进化'闭环
打造世界知识库：构建从抽取、融合、推理、更新到服务的全链路知识生产管线，建设覆盖通用百科、垂直领域、长尾实体与新鲜事件的世界级知识库，直接驱动千问对话、智能体、多模态理解、行业应用等核心场景的能力升级
优先资格
在 ACL / EMNLP / NAACL / KDD / WWW / SIGIR / AAAI 等顶会发表过信息抽取、知识图谱、检索增强生成、知识增强大模型相关论文者优先
有大规模图存储/图计算系统（如 Nebula、JanusGraph 等）或大规模向量检索系统研发经验者优先
有 GraphRAG、HippoRAG 等知识增强检索技术的研究或落地经验，熟悉子图召回、多跳图检索、社区检测与层级摘要、图谱与向量混合检索等方向者优先
有大模型对话、智能体、问答系统等场景下的知识应用落地经验者优先
有多语言、多模态、时序事件等复杂知识场景的处理经验者优先
AI 洞察
优缺点分析
优点
- 阿里巴巴顶级平台，资源丰富，技术影响力大
- 涉及大模型+知识图谱最前沿方向，学习成长空间巨大
- 直接服务千问核心产品，业务价值可量化
- 薪酬福利在业内极具竞争力，且岗位需求稀缺
- 技术复杂度高，需要同时掌握NLP、知识工程和大模型知识
- 业务要求严格，可能面临高强度工作节奏
- 知识图谱方向相对小众，需要持续学习前沿论文
缺点 / 挑战
- 适合对知识图谱和NLP有深厚积累、热爱技术挑战、希望从事大模型前沿工作的算法工程师
角色解读
- 在知识图谱和大模型交叉领域深耕，成为AI专家
- 向技术架构师方向发展，设计大规模知识基础设施
- 有机会转入大模型应用、智能体等前沿方向，拓宽职业路径
- 负责从海量网页和多模态数据中抽取实体、关系、事件等知识，构建世界知识图谱
- 解决实体对齐、共指消解、知识冲突检测等知识融合难题，提升知识质量
- 设计RAG、GraphRAG等机制，用知识增强千问大模型的事实性和推理能力
- 搭建知识生产管线，支撑对话、智能体、多模态等核心应用场景
- 扎实的编程功底（Python/C++），熟悉常用数据结构和算法
- 深入理解知识图谱、NLP、信息抽取核心技术
- 熟悉大模型基本原理，有RAG/GraphRAG/Agent相关实践
- 具备大规模分布式数据处理和图存储系统经验优先
申请策略
- 了解千问大模型的产品能力和技术架构，思考知识如何增强其效果
- 准备一个知识图谱和大模型结合的项目案例，用结构化方式讲述方案和成果
- 突出知识图谱或信息抽取项目的完整落地经历，量化效果提升
- 展示RAG/GraphRAG相关实践，如设计过检索增强系统
- 如果在ACL、KDD等顶会发表过论文，务必醒目列出
- 强调处理大规模数据或复杂系统的经验，体现工程能力
- 系统学习知识图谱构建全流程，包括实体对齐、推理等
- 深入研究RAG和GraphRAG最新技术，如HippoRAG、子图检索
面试指南
- 采用STAR法则：背景、任务、行动、结果，突出个人贡献和量化指标
- 展现系统性思考：从数据获取、算法设计到系统部署的完整链路
- 结合具体案例，说明你对知识图谱与大模型结合的理解和实践
- 介绍一下你做过的一个知识图谱项目，难点是什么？
- 如何设计知识抽取管道来处理开放域数据？
- RAG有哪些局限性？你如何用图谱增强RAG？
- 如何解决知识冲突和时效性问题？
- 如果让你为千问搭建世界观知识库，你会如何规划？
职位点评
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
阿里巴巴提供业内顶尖的薪酬福利，平台稳定，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
90较高
岗位涉及大模型与知识图谱前沿技术，技能成长快，且有千问业务场景驱动，发展空间大。
技术前沿前沿/新兴技术
技术栈知识图谱、RAG、GraphRAG、大模型、知识抽取、知识融合、图谱推理、向量检索
业务类型ambiguous
工作生活
50较低
工作地点固定杭州，JD未提及远程或弹性，也未明确工作强度，但大厂算法岗通常节奏较快。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
岗位使命是构建最懂世界的AI，具有技术影响力，但社会价值主要体现在商业产品中。
行业发展高速增长赛道
社会影响中性/一般
使命信号成为最懂世界的AI
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs