智能算法产品事业部-精排算法工程师-杭州

优缺点分析

角色解读

• 技术专家路线：在算法领域深耕，成为LLM在推荐场景应用的专家
• 技术管理路线：从工程师晋升为技术主管，带领团队负责核心算法模块
• 横向发展：可转向搜索、广告等其他算法团队，或进入数据科学、产品等方向
• 研究LLM在电商场景下的CTR/CVR预估，利用模态对齐、用户行为CoT等技术提升模型精准度
• 设计并实现大规模CTR/CVR预估方案，从样本、特征、结构等维度进行高效Scaling Up
• 负责模型训练、推理和链路优化，支撑主搜排序系统的实时性和效果
• 扎实的编码能力，熟悉Python/C++等语言，精通数据结构和算法
• 深入理解机器学习/深度学习算法，熟悉大规模分布式训练框架
• 具备搜索、推荐或广告领域经验，了解CTR预估模型和特征工程
• 熟悉LLM技术，了解其在推荐系统中的应用，如CoT、模态对齐等

申请策略

• 了解阿里巴巴淘天集团的业务和产品，特别是搜索推荐相关
• 在面试中展示对LLM在推荐场景应用的思考，体现创新思维
• 突出搜索/推荐/广告领域的项目经验，尤其是CTR/CVR预估相关项目
• 强调LLM应用经验，如使用LLM进行特征提取、用户行为建模等
• 展示顶会论文或开源项目，体现学术能力和技术深度
• 量化项目成果，如提升CTR、GMV等指标的具体数字
• 系统学习LLM原理和最新进展，如Transformer、CoT、多模态对齐等
• 熟悉大规模分布式训练框架，如TensorFlow、PyTorch，了解模型并行、数据并行

面试指南

• STAR法则：情境-任务-行动-结果，清晰描述项目经验
• 技术深度：从原理到实践，展示对算法和系统的理解
• 业务导向：强调算法对业务指标的提升，体现商业价值
• 如何利用LLM提升CTR预估的准确性？
• 描述一个你主导的推荐系统项目，如何优化效果？
• 如何设计大规模特征工程？
• 如何解决模型训练中的过拟合问题？
• 如何评估一个推荐算法的效果？