业务技术-搜索推荐算法工程师/专家-杭州

优缺点分析

角色解读

• 技术专家路线：成为搜索推荐领域的资深专家，主导前沿技术研究与系统架构设计
• 管理路线：积累一定经验后，可转向技术管理岗位，带领团队攻克更复杂的业务难题
• 跨界发展：凭借在大模型和Agent方面的经验，可向AI产品、通用人工智能研究等方向拓展
• 负责天猫APP核心场景（搜索、推荐、商详等）的算法模型迭代与优化，提升用户体验和商业转化
• 探索并落地生成式搜索、大模型Scaling UP、Agent化策略等前沿技术，解决超大规模数据下的算法难题
• 构建多模态推荐、用户表征学习及LLM兴趣发现模型，优化端内外引流承接页的个性化推荐效率
• 持续升级搜索推荐系统架构，应对海量用户和商品带来的技术挑战
• 扎实的计算机科学基础，精通Java/C++/Python至少一门语言，具备优秀的数据结构与算法功底
• 深入理解机器学习、深度学习、强化学习及信息检索原理，有推荐系统实战经验
• 熟悉大语言模型（LLM）应用、多模态技术及Agent算法，有相关落地经验者优先
• 具备优秀的分析解决问题能力及沟通协作能力，有顶会论文发表者加分

申请策略

• 深入了解淘天集团的业务模式和天猫APP的核心场景，思考算法如何赋能业务
• 准备充分的技术面试题，涵盖数据结构、算法、机器学习原理及项目细节
• 展现良好的沟通表达能力和团队协作精神，体现解决复杂问题的思路和方法
• 突出推荐系统/搜索算法相关的项目经验，强调解决的问题、使用的技术和取得的业务成果
• 重点展示在大模型、LLM应用、Agent算法等方面的实践经验和研究成果
• 如有顶会论文发表，务必详细列出论文题目、发表会议及你的贡献
• 强调编程能力（Java/C++/Python）和数据结构与算法基础，可提供GitHub链接或算法竞赛成绩
• 深入学习大语言模型（LLM）的原理及应用，特别是其在搜索推荐场景下的落地案例

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，清晰阐述项目背景和成果
• 技术深度：从原理层面解释算法选择的原因，对比不同方案的优劣，展现技术深度
• 业务结合：将技术方案与业务指标（如CTR、CVR、GMV等）紧密结合，体现业务价值
• 前沿洞察：结合行业趋势，阐述对新技术的理解和应用前景，展现技术前瞻性
• 请详细介绍你过往在推荐系统或搜索算法方面的项目经验，遇到的最大挑战是什么？如何解决？
• 你对生成式搜索推荐有什么理解？它在实际业务中有哪些应用场景和挑战？
• 请解释一下大语言模型（LLM）在推荐系统中的应用方式，以及如何解决其延迟和成本问题？
• 在设计多目标排序模型时，如何处理不同目标之间的冲突和权重平衡？