集团安全部-大模型Agent检索算法专家-北京/杭州

优缺点分析

角色解读

• 在阿里集团安全部接触最前沿的大模型落地场景，积累企业级Agent系统的架构与优化经验
• 未来可向大模型算法架构师、AI技术专家或AI团队技术负责人方向发展
• 设计并构建Agent友好的上下文检索系统，将企业内部的会议、文档等非结构化数据转化为Agent可理解的上下文
• 利用大模型、RAG和Agentic Search等前沿技术，优化检索排序模块，提升企业级Agent对复杂信息的处理效率
• 独立推进检索算法的工程落地，确保算法在实际业务场景中的高效运行
• 扎实的大模型与Agent应用开发经验，深入理解RAG、Agentic Search等核心技术
• 熟悉主流向量数据库、检索框架和排序模型，具备优秀的工程落地与代码实现能力
• 具备较强的学术背景，有AI顶会论文发表经历者优先，能持续追踪技术前沿

申请策略

• 了解阿里集团安全部的业务背景，思考如何利用Agent技术提升内部安全运营或组织管理效率
• 重点突出在大模型、RAG、Agentic Search等领域的实际项目经验及业务收益
• 明确列出在ICLR/NeurIPS/ACL等AI顶会发表的第一作者论文，展示学术深度
• 强调独立推进检索排序模块开发的工程落地能力，展示从算法设计到线上部署的全链路经验
• 深入研读近期关于Agentic Search和长上下文检索的顶会论文，掌握最新的检索增强生成技术
• 熟悉并实践主流向量数据库（如Milvus、Faiss）及大模型微调、Prompt Engineering技巧

面试指南

• STAR法则：针对项目经验，清晰阐述背景、任务、具体行动（算法设计/工程优化）和最终业务收益
• 技术深度+业务落地：在回答算法问题时，不仅讲理论创新，还要结合工程实现（如延迟、召回率、显存占用）和业务痛点
• 请详细介绍你过往在RAG或Agentic Search项目中的架构设计，遇到了哪些检索准确率的问题，是如何解决的？
• 针对企业级会议、群聊等长文本且包含大量噪音的数据，你如何设计上下文提取和向量化策略？
• 请分享一篇你发表的第一作者顶会论文，其核心创新点是什么？在实际工程中是否有应用？
• 在独立推进检索排序模块开发时，你如何平衡算法的离线评估指标与线上实际业务效果？
• 复习并梳理自己过往在信息检索、排序模型及大模型应用中的核心代码和架构图，确保能白板推导或详细讲解
• 准备1-2个自己主导的、具有技术挑战性的难题解决案例，体现独立推进和工程落地能力