百度
搜索算法工程师（J107272）
搜索算法工程师（J107272）
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公算法工程师
算法工程师
Agent开发
Learning To Rank
Pytorch/Paddlepaddle
Rag
向量检索
大语言模型 (Llm)
搜索算法
数据挖掘
机器学习
值不值得投
77综合评分
综合评分 77
顶尖平台、前沿LLM+搜索技术栈、高成长潜力，但工作强度可能较大
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
4.5万
比算法工程师中位数高
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 1350 个在招
市场机会
选择适中
北京 · 算法工程师 · 23 个在招
职位详情
关于这个职位
负责百度地图搜索全链路算法的设计与优化，涵盖Query理解、召回及排序等环节
基于大语言模型探索生成式搜索应用，包括RAG、Agent开发及模型微调
通过大规模数据挖掘提升搜索效果，并跟踪前沿技术引入实际产品
最低要求
计算机、人工智能、数学、统计、电子信息等相关专业，本科及以上学历
算法与数据结构基础扎实，具备良好的编程能力，熟练掌握 C++ 或 Python 中的至少一种，有实际编码经验
熟悉机器学习和深度学习的常用算法，至少熟练使用一种深度学习框架(如 PaddlePaddle、PyTorch、TensorFlow)
了解搜索、推荐、NLP 或数据挖掘中的至少一个方向，有相关项目或实习经验
能独立分析问题和定位问题，具备数据驱动的思维，沟通顺畅，有团队协作意识，对技术和产品有热情
工作职责
AI 搜索算法：参与地图搜索全链路算法的设计、开发和优化，包括不限于 Query 理解、召回、粗排、精排和重排，提升搜索的相关性和满意度
生成式搜索：基于大语言模型(LLM)探索对话式地图搜索、RAG 检索增强生成、生成式召回与推荐，负责模型微调(SFT/RLHF/DPO)、Prompt 设计、Agent 工具调用等落地工作
地图数据挖掘：分析处理大规模 POI、轨迹、检索日志和用户评论等多源数据，挖掘知识和特征，支撑算法迭代
效果评估与迭代：搭建离线评估体系，从 badcase 中定位问题，持续推进效果和性能优化
技术前沿跟踪：关注搜索、推荐、大模型、多模态等方向的学术和工业进展，把合适的新技术引入实际产品，有机会参与专利和论文产出
优先资格
有搜索引擎、推荐系统、广告系统或 LBS 相关业务的算法经验
熟悉大语言模型的训练、微调、推理加速或 RAG/Agent 应用开发，有落地经验
熟悉 Learning to Rank、向量检索(如 Faiss、ANN)、CTR 预估、序列推荐或生成式推荐等技术
有大规模数据处理经验，熟悉 Hadoop、Spark、Hive 等工具
加分项：有地理信息、时空数据挖掘或知识图谱相关经验
加分项：在 KDD、SIGIR、WWW、ACL、NeurIPS、CIKM 等顶级会议发表过论文，或在 ACM/ICPC、Kaggle、天池等竞赛中取得优秀成绩
AI 洞察
优缺点分析
优点
- 平台顶尖，接触海量真实用户数据和超大规模计算资源
- 技术栈前沿，深度融合传统搜索与大模型/AI Agent技术，极具竞争力
- 有机会产出顶级会议论文和专利，学术与工程双重成长
- 高强度竞争环境，对代码质量和算法效率要求极高
- 适合对AI搜索和大模型应用有浓厚兴趣，具备扎实数理基础和工程能力的算法工程师
缺点 / 挑战
- 技术迭代极快，需持续跟进LLM及多模态最新进展，学习压力大
- 搜索效果优化面临瓶颈期，需极强的数据敏感性和问题定位能力
- 追求技术前沿，希望在顶级平台挑战复杂问题的求职者
角色解读
- 可向搜索算法专家、AI架构师方向发展，深入钻研大模型在垂直领域的落地应用
- 也可转向技术管理岗位，带领团队攻克更复杂的AI搜索难题，或在学术界/工业界产出高水平成果
- 负责百度地图搜索全链路的算法设计与优化，包括Query理解、召回、排序等核心环节
- 利用大语言模型（LLM）技术探索生成式搜索、RAG及Agent应用，提升用户体验
- 处理大规模地图数据进行特征挖掘与模型迭代
- 扎实的算法与数据结构基础，精通C++或Python
- 熟悉主流深度学习框架（PyTorch/PaddlePaddle）
- 掌握搜索推荐、NLP或数据挖掘任一方向，具备LLM微调、RAG/Agent开发及大规模数据处理能力
申请策略
- 准备详细的项目复盘，重点阐述如何通过算法优化提升核心指标（如点击率、满意度）
- 了解百度地图的业务痛点和技术挑战，展现对业务的深刻理解
- 突出搜索/推荐/NLP相关的项目经验，特别是涉及大规模数据处理和模型优化的案例
- 强调LLM微调、RAG或Agent开发的实战经验
- 展示在顶级会议发表论文或顶级竞赛获奖经历
- 深化对Transformer架构及LLM原理的理解，掌握SFT/RLHF/DPO等微调技术
- 熟悉向量数据库及Faiss等检索工具
- 提升C++高性能编程能力及分布式计算框架使用经验
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出数据量、算法选型依据、优化手段及最终带来的业务指标提升
- 对于技术问题，先讲原理，再讲工程实现细节，最后谈权衡与优化
- 请介绍你熟悉的搜索排序算法及其优缺点
- 如何在大规模数据下实现高效的向量检索？
- 请描述一次你使用LLM进行RAG或Agent开发的完整流程及遇到的挑战
- 如何评估和优化搜索算法的效果？Badcase分析方法论是什么？
- 给定一个Query，如何进行Query理解和意图识别？
- 复习经典机器学习与深度学习算法，特别是排序模型（如DeepFM、DIN等）和LLM相关技术
职位点评
薪资福利85
成长发展92
工作生活45
使命价值75
薪资福利
85较高
作为上市巨头企业的核心算法岗位，提供具有市场竞争力的薪酬福利，稳定性较高，满足补偿性动机。
薪资信号偏高 (3.0千–6.0万/月)
成长发展
92较高
岗位深度融合前沿LLM技术与传统搜索，提供极高的技术成长空间，且有机会产出顶级论文，发展性动机极强。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、SFT、RLHF、DPO、PaddlePaddle、PyTorch、Faiss、Hadoop、Spark
成长机会有机会参与专利和论文产出、技术前沿跟踪、把合适的新技术引入实际产品
业务类型profit_center
工作生活
45较低
互联网大厂核心研发岗通常工作强度较大，JD未提及弹性工作或WLB保障，生活化动机满足程度一般。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
通过优化地图搜索体验，直接服务于数亿用户的生活出行，具有显著的社会价值和用户影响力。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
百度 的其他在招职位
相似职位推荐
微影-算法/换能器/仿真/系统等-应届-杭州
海康威视 · 杭州市
AI 估算 · 1.5–2.5万1 小时前发布
算法工程师
瀚纳仕 · 上海市
AI 估算 · 3.5–6.0万7 小时前发布
算法类（研发）
中际旭创 · 成都市
AI 估算 · 1.5–2.5万17 小时前发布
介质算法专家-Media Algorithm Expert(J21717)
长鑫存储 · 上海市
AI 估算 · 4.0–7.0万22 小时前发布
低空三维航线规划算法实习生
阿里巴巴 · 北京市
AI 估算 · 0.3–0.4千22 小时前发布
千问事业部-高级搜索算法工程师/专家-北京/广州
阿里巴巴 · 北京市
AI 估算 · 4.0–7.0万22 小时前发布
算法高级工程师（语音识别）
商米科技 · 上海市
AI 估算 · 3.0–5.0万1 天前发布
算法开发工程师(J46434)
海信 · 北京市
AI 估算 · 2.5–4.0万1 天前发布
Watch Jobs