搜索算法工程师-质量方向

优缺点分析

角色解读

• 技术深耕：成为搜索质量算法专家，主导核心算法创新
• 管理路径：晋升为技术Leader，带领团队完成业务目标
• 跨界发展：转向大模型应用、推荐系统等相邻领域
• 研发搜索内容质量算法，通过Query意图理解、多模态内容理解等技术提升质量表征能力
• 生产高质量特征并推动在搜索全链路落地，提升用户搜索体验和留存
• 探索大模型在质量标准定义、样本标注与生成等方面的应用
• 扎实的算法基础，熟悉CV/NLP/多模态至少一个方向，2年以上相关经验
• 出色的编程能力，熟练使用Python/Java/C++，掌握数据结构和算法
• 大数据开发经验，如Spark/Hive，能够处理海量数据
• 较强的数据敏感度和逻辑思维，能够分析问题并推动业务落地

申请策略

• 了解小红书搜索业务特点，关注社区内容质量方向
• 准备几个自己主导的算法落地案例，体现从问题到解决方案的闭环
• 突出在内容理解、多模态或搜索质量相关的项目经验，量化成果
• 强调编程能力和大数据处理经验，展示具体的代码或系统设计
• 提及使用大模型或探索性工作的经历，体现创新思维
• 巩固NLP/CV基础，熟悉当前主流模型（如BERT、ViT等）
• 学习大模型相关技术，如Prompt工程、LoRA微调等
• 提升工程能力，熟悉搜索系统链路和特征工程

面试指南

• STAR法则：描述情境、任务、行动和结果，突出量化指标
• 分点论述：先说明核心思路，再举例具体技术方案，最后总结效果
• 对比分析：比较不同方法的优缺点，体现深度思考
• 请介绍一个你负责的质量算法项目，如何评估效果？
• 如何用多模态技术判断一个笔记的内容质量？
• 大模型在样本生成中可以如何应用？请举例
• 如何处理搜索场景中的低质量内容（如标题党、低俗内容）？
• 给定一个Query，如何定义其对应的内容质量标准？