Alibaba logo
阿里巴巴
千问事业部-搜索内容理解(NLP/CV/多模)算法专家-杭州

千问事业部-搜索内容理解(NLP/CV/多模)算法专家-杭州

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 5.0–8.5万 · AI 参考估算
专家级经验
学历未注明
全职员工仅现场办公NLP工程
NLP工程
Cv
Nlp
分布式系统
多模态大模型
推荐系统
搜索算法
数据质量评估
文档智能
知识抽取

值不值得投

73综合评分

综合评分 73

大模型搜索核心算法岗,技术前沿、数据规模大,发展性强但WLB信息不足。

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

6.8万

比NLP工程中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 5200 个在招 · 其中NLP工程 35 个

市场机会

选择适中

杭州 · NLP工程 · 35 个在招

职位详情

关于这个职位

该职位聚焦千问事业部搜索场景中的内容与多模态理解算法,核心是通过网页解析、知识抽取、质量评估和跨模态表征,从海量网页、图文、视频数据中构建高质量知识库

你将参与大模型时代搜索数据体系与算法协同优化,直接提升搜索知识获取的准确性、可靠性和智能水平

最低要求

职位要求:

具备扎实的编程基础,熟悉常用的数据结构和算法,具备良好的代码风格和编程习惯
理解大模型的技术原理,有多模态大模型数据处理相关项目经验者优先考虑
有良好的沟通表达能力和团队合作精神,热衷技术,乐于寻求挑战和突破自我

工作职责

职位描述:

万亿级网页提炼:研发多模态数据分析框架,通过网页解析、文档智能、知识抽取等技术,完成全网万亿级搜索网页的关键信息提炼
攻克数据质量理解:设计网页质量/权威性/可信度的多维度评估模型,以及跨模态数据表征技术,提升夸克在网页知识获取的准确性与可靠性
驱动数据与算法协同进化:探索大模型时代的数据评估方法论,量化数据优化对搜索效果和模型性能的影响
打造全网优质内容库:构建多模态数据的处理和挑选管线,建立覆盖网页/图文/视频等全域内容的智能知识库

优先资格

加分项:

有网页分析、网页质量及反作弊、文档智能等算法相关经验者优先
有分布式系统、搜索算法、或者推荐系统研发经验者优先
另外,职位要求中提及:有多模态大模型数据处理相关项目经验者优先考虑

AI 洞察

优缺点分析

优点

  • 岗位处于大模型重构搜索的核心场景,技术方向与搜索智能化、多模态理解高度相关
  • 工作内容覆盖数据处理、模型评估、知识库构建和搜索效果优化,技术链路完整,成长空间较大
  • 涉及万亿级网页和多模态数据,能积累大规模数据算法与工程落地经验
  • 搜索效果与数据质量之间的关系复杂,需要建立可量化评估体系并持续迭代
  • 岗位涉及网页解析、文档智能、知识抽取、搜索算法等多个方向,技术栈广,学习曲线较陡
  • 适合有大模型、多模态、搜索或推荐系统经验,且愿意处理大规模数据与复杂算法工程的资深算法工程师
  • 尤其适合对搜索内容理解、数据质量评估和知识库构建有长期兴趣的求职者

缺点 / 挑战

  • 职位明确关注网页质量、权威性、可信度和反作弊等问题,具有较强的业务价值和技术挑战
  • 海量多模态数据处理对算法能力、工程能力和分布式系统经验要求都较高

角色解读

  • 可向搜索算法、多模态理解、大模型数据工程与数据智能方向持续深耕,成为大模型搜索场景的算法专家
  • 可拓展到搜索架构、知识图谱、内容理解平台或AI数据基础设施方向,承担更大规模系统设计职责
  • 长期可发展为技术专家、技术负责人或带队负责搜索内容理解相关方向
  • 研发多模态数据分析框架,围绕网页、图文、视频等海量数据做解析、抽取和关键信息提炼
  • 设计网页质量、权威性、可信度等评估模型,并通过跨模态表征提升搜索知识获取的准确性
  • 构建数据处理与挑选管线,沉淀覆盖全域内容的智能知识库,支撑搜索和大模型效果提升
  • 建立数据评估方法论,量化数据优化对搜索体验与模型性能的实际影响
  • 需要扎实的编程能力,熟悉常用数据结构与算法,并具备良好的工程代码习惯
  • 需要理解大模型技术原理,具备多模态数据处理、知识抽取、文档智能或网页分析相关经验
  • 需要掌握搜索算法、推荐系统或分布式系统相关能力,能够处理大规模数据处理与算法管线问题
  • 需要良好的沟通协作能力,能与产品、工程、算法等团队协作推进复杂技术项目

申请策略

  • 申请前建议了解夸克搜索、千问大模型及搜索内容理解相关产品形态,思考数据质量如何影响搜索体验
  • 面试中尽量用具体项目说明“问题定义—数据构建—模型方案—评估指标—上线效果”的完整闭环
  • 突出与多模态大模型数据处理、网页解析、文档智能、知识抽取相关的项目经历,并说明数据规模和业务效果
  • 强调搜索算法、推荐系统、分布式系统或大规模数据处理经验,尤其是可量化提升搜索质量或模型性能的成果
  • 展示网页质量评估、反作弊、权威性判断、可信度建模等相关经验,如有具体指标改善应重点写明
  • 补充编程基础、数据结构算法能力、代码工程规范和跨团队协作经历,体现专家级岗位所需的综合能力
  • 提前准备多模态数据清洗、网页解析、文档理解、知识抽取等方向的案例,梳理技术选型与效果评估方法
  • 复习大模型原理、跨模态表征、搜索排序与推荐系统基础知识,准备解释模型与数据协同优化思路

面试指南

  • 使用“业务目标—数据现状—技术方案—评估指标—上线效果—复盘改进”的结构回答项目类问题
  • 对系统设计题先明确规模、延迟、成本、质量等约束,再分层说明采集、解析、表征、评估、筛选和反馈闭环
  • 对算法效果问题强调可量化指标,例如准确率、召回率、可信度评分效果、搜索满意度或模型性能变化
  • 如何设计一个网页质量、权威性和可信度的多维度评估模型?
  • 面对万亿级网页和多模态数据,你会如何设计数据处理与挑选管线?
  • 如何量化数据优化对搜索效果和模型性能的影响?
  • 请介绍一个你参与过的多模态大模型数据处理或搜索算法项目,包括指标和结果
  • 网页解析、文档智能和知识抽取中常见的数据噪声问题如何解决?

职位点评

薪资福利78
成长发展88
工作生活45
使命价值76

薪资福利

78中等

职位为专家级算法岗,技术门槛较高,通常具备较好的薪资吸引力;但JD未披露具体薪资和福利信息,稳定性与福利细节无法进一步判断。

薪资信号未披露(AI估算:5.0千–8.5万/月)

成长发展

88较高

岗位围绕大模型、多模态、搜索内容理解和数据质量评估展开,技术方向前沿且项目复杂度高,对算法与工程能力提升明显。JD未提及明确晋升通道或培训机制,发展性主要体现在技术挑战和业务场景。

技术前沿前沿/新兴技术
技术栈LLM、多模态、网页解析、文档智能、知识抽取、跨模态数据表征、搜索算法、分布式系统、推荐系统
业务类型ambiguous

工作生活

45较低

JD仅明确工作地点为杭州,未说明远程、弹性、双休或加班情况,生活化动机相关信息不足。由于岗位涉及大规模数据和复杂算法系统,实际节奏需面试时进一步确认。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

76中等

岗位目标是提升搜索知识获取的准确性与可靠性,并构建全网优质内容库,对搜索信息质量和用户获取可信知识有正向价值。JD未直接表达社会使命类表述,意义感主要来自技术对搜索体验和内容生态的改善。

行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs