研究型实习生-智能算法产品事业部-认知推荐算法工程师

优缺点分析

角色解读

• 从研究型实习生成长为正式算法工程师或研究员，在推荐系统与大模型交叉领域积累深厚经验
• 未来可向算法专家、技术Leader或学术界方向发展，成为该领域的顶尖人才
• 负责大语言模型（LLM）在淘宝推荐场景的落地，包括预训练、SFT、RLHF等核心技术研发
• 探索并建立新一代认知推荐算法体系，结合交互式推荐提升用户体验
• 跟进前沿学术研究，撰写并发表顶级学术会议论文，与业界和学术界保持交流
• 扎实的编码能力与数据结构算法功底，熟练掌握深度学习框架
• 具备较强的科研能力，有LLM或推荐系统相关研究经验及论文发表经历
• 良好的沟通协作能力与解决复杂问题的抗压能力

申请策略

• 提前了解淘宝推荐业务的最新动向及阿里在认知推荐方面的公开论文，面试时展现出对业务场景的深刻理解
• 重点突出在LLM、推荐系统或NLP领域的项目经验与科研成果
• 详细列出在SIGIR、KDD、ACL等顶级会议或期刊上发表的论文及具体贡献
• 展示扎实的代码能力和解决复杂算法问题的实际案例
• 深入学习大模型的预训练、SFT、RLHF等核心技术流程
• 熟悉主流推荐算法及大模型在推荐场景的最新应用（如逻辑推理、内容理解）

面试指南

• 采用STAR法则描述科研或项目经历，突出问题定义、方法创新、实验验证和业务收益
• 对于技术原理问题，先讲核心概念，再结合具体场景说明应用方式和优化技巧
• 请详细介绍你发表的一篇顶会论文的核心创新点及实验结果
• 在大模型应用于推荐场景时，如何解决逻辑推理或内容理解的挑战？
• 请解释SFT和RLHF的原理，以及在预训练后如何有效进行对齐？
• 面对一个全新的推荐业务问题，你的算法设计和落地思路是什么？
• 复习大模型和推荐系统的经典与最新论文，特别是阿里团队发表的相关研究
• 准备好手撕代码，重点练习数据结构、算法及机器学习/深度学习相关的编程题