携程
AI搜索算法工程师(MJ037627)
AI搜索算法工程师(MJ037627)
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推荐系统
推荐系统
Hive Sql
Pytorch
Tensorflow
多目标优化
大模型
搜索排序
机器学习
深度学习
值不值得投
79综合评分
综合评分 79
大厂核心算法岗、前沿技术栈、高成长潜力、WLB一般
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
4.0万
比推荐系统中位数高
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 530 个在招
市场机会
选择适中
上海 · 推荐系统 · 40 个在招
职位详情
关于这个职位
负责携程旅游业务场景搜索排序的端到端迭代优化，通过数据分析和挖掘提升点击率与转化率
深入理解流量分发模式，主导技术方案落地，并持续探索大模型等前沿技术在搜索领域的应用，以优化用户搜索体验
最低要求
年以上相关工作经验，计算机相关专业，研究生及以上学历优先
具备优秀的编码能力，扎实的数据结构和算法功底，有良好的数据敏感度，能从海量数据提炼核心结果，有丰富的数据分析、数据挖掘、效果评估的经验和能力
熟悉掌握机器学习和深度学习算法，对搜索排序领域有经验者优先，熟悉常用的算法模型，并在多目标优化、序列建模、多场景建模、生成式推荐等一个或多个方向有深入研究
熟悉一种或多种编程语言Python/Java等，熟悉一种或多种主流的分布式深度学习计算框架Tensorflow/PyTorch等，熟悉Hadoop、Spark等分布式并行处理技术，熟练掌握Hive SQL语言，具备良好的代码开发能力
具备一定的业务敏感度，创新精神和理论与实践相结合的能力，具有主动思考和学习的动力，乐于与业务共同成长
具备出色的问题分析和解决能力，具有团队合作意识，对具有挑战性的问题充满激情
积极拥抱大模型等创新技术
工作职责
负责携程旅游业务场景搜索排序端到端迭代优化，优化用户搜索体验，提升点击率、转化率等核心指标
深入理解搜索流量分发场景的业务模式，通过数据分析和挖掘，进行搜索排序全链路算法的优化迭代
具备独立负责项目的能力，能够主导制定某个业务场景的技术方案并有效落地
对业务和技术变化有深入洞察，持续关注包括大模型在内的技术前沿进展和落地应用
具备跨团队沟通协作能力，与其他团队密切合作，为用户提供卓越的旅行产品
AI 洞察
优缺点分析
优点
- 平台大：携程作为OTA巨头，拥有海量真实业务数据和丰富的应用场景
- 技术前沿：明确提及拥抱大模型，有机会接触业界领先的LLM落地实践
- 业务核心：搜索是旅游业务的核心入口，算法优化直接关联营收，价值感强
- 竞争激烈：搜索排序领域算法内卷严重，对模型效果和工程落地要求极高
- 技术更新快：需持续跟进大模型等新技术，学习成本高
缺点 / 挑战
- 指标压力：直接背负点击率、转化率等核心商业指标，KPI压力较大
- 适合具备3年以上搜索/推荐算法经验，对大模型落地感兴趣，且能承受一定业务压力的中高级算法工程师
角色解读
- 向高级/首席算法专家方向发展，深耕搜索排序与大模型融合的前沿技术
- 转向技术管理岗位，带领团队负责更大规模的业务线或技术架构规划
- 负责携程旅游业务搜索排序算法的端到端优化，直接对点击率和转化率等业务指标负责
- 利用大数据分析和挖掘技术，对搜索流量分发场景进行全链路算法迭代
- 独立主导技术方案的设计与落地，并积极探索大模型在搜索场景的创新应用
- 扎实的机器学习/深度学习基础，精通多目标优化、序列建模、生成式推荐等方向
- 优秀的编程能力（Python/Java）及分布式计算框架（TensorFlow/PyTorch, Spark/Hadoop）使用经验
- 极强的数据处理与分析能力，能熟练运用Hive SQL从海量数据中提取价值
申请策略
- 了解携程当前的旅游业务痛点及搜索策略特点
- 准备1-2个完整的算法项目案例，重点阐述背景、难点、方案及结果
- 突出搜索排序相关的项目经验，量化带来的CTR/CVR提升效果
- 强调在大模型（LLM）与传统搜索/推荐结合方面的探索或落地案例
- 展示复杂场景下的多目标优化、序列建模等技术深度
- 深入理解Transformer架构及其在长文本、序列推荐中的应用
- 补充A/B测试设计与因果推断相关知识，提升实验分析能力
- 强化工程落地能力，熟悉大规模分布式训练与推理优化
面试指南
- STAR法则：情境(Situation)-任务(Task)-行动(Action)-结果(Result)
- 技术深度：不仅讲做了什么，更要讲为什么这么做，对比其他方案的优劣
- 业务结合：始终将技术动作与业务指标（如CTR、GMV）的提升联系起来
- 请详细介绍一个你负责的搜索排序优化项目，你是如何定义目标和评估效果的？
- 在多目标优化场景中，你如何处理不同目标之间的冲突？
- 大模型（LLM）在搜索排序中有哪些潜在的应用场景？你是否有相关实践经验？
- 面对海量数据，如何进行特征工程和高效的数据处理？
- 复习机器学习/深度学习经典算法原理及最新进展（特别是LLM相关）
职位点评
薪资福利85
成长发展90
工作生活60
使命价值70
薪资福利
85较高
携程作为上市巨头，薪资水平在上海互联网行业中处于中上游，且福利体系完善，对补偿性动机满足度较高。
薪资信号市场水准 (3.0千–5.0万/月)
成长发展
90较高
职位明确要求关注大模型等前沿技术，且涉及搜索排序核心领域，技术成长空间大，职业发展路径清晰。
技术前沿前沿/新兴技术
技术栈大模型、深度学习、多目标优化、序列建模、生成式推荐、TensorFlow、PyTorch
成长机会持续关注包括大模型在内的技术前沿进展、积极拥抱大模型等创新技术
业务类型profit_center
工作生活
60中等
互联网大厂核心研发岗位通常工作节奏较快，JD未提及弹性工作或远程办公，WLB可能一般。
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
70中等
通过优化搜索体验提升用户旅行满意度，具有一定的社会服务价值，但核心驱动力仍是商业变现。
行业发展稳定成熟行业
社会影响中性/一般
使命信号为用户提供卓越的旅行产品
创新程度积极采用新技术
Watch Jobs