业务技术-搜推算法工程师-杭州

优缺点分析

角色解读

• 向资深算法专家/技术架构师方向发展，主导复杂业务场景的技术攻关
• 可横向拓展至商业化广告算法、多模态推荐或跨领域AI应用
• 逐步承担技术Owner角色，带领小组完成核心指标突破
• 负责淘宝搜索推荐核心链路的算法设计与迭代优化
• 探索大模型在召回排序环节的落地应用与架构升级
• 通过离线训练与线上A/B实验验证算法效果，直接驱动点击率与转化率提升
• 扎实的机器学习/深度学习理论基础与数学功底
• 精通至少一门主流编程语言及数据结构算法
• 具备搜索推荐系统全链路调优实战经验
• 熟悉大模型微调、Prompt设计及Agent开发流程

申请策略

• 提前了解淘天集团最新业务战略与大模型布局方向
• 准备1-2个完整的算法从离线训练、特征工程到线上灰度发布的全流程案例，注重体现工程思维
• 突出搜索推荐相关项目经验，量化CTR/CVR/时长等核心指标的提升幅度
• 详细阐述大模型在具体场景（如召回/排序）中的落地细节、性能优化手段及对比基线
• 深入掌握Transformer架构及LLM高效微调技术（如LoRA/P-Tuning）
• 强化线上A/B测试设计、因果推断与归因分析能力
• 补充大规模分布式训练与推理加速知识

面试指南

• 采用STAR法则结构化表达项目背景、任务目标、行动策略与量化结果
• 重点突出技术选型依据、难点攻克过程及业务收益
• 结合理论深度与工程实践展现系统性思维与数据敏感度
• 请详细介绍一个你负责的搜索推荐算法优化项目，如何设计实验并评估最终效果？
• 大模型在推荐系统中主要面临哪些挑战（如延迟、幻觉、算力成本）？你是如何解决或缓解的？
• 针对长尾商品或冷启动问题，你的特征工程和模型结构是如何针对性设计的？
• 请对比说明精排与重排阶段的核心差异，以及在淘宝场景下的典型技术方案
• 复习经典推荐系统模型（DeepFM, DIN, DIEN, MMOE等）及大模型基础原理