27届秋招-AI算法工程师（国际化外卖-搜索）

优缺点分析

角色解读

• 从算法工程师起步，逐步成长为AI搜索领域的技术专家，主导核心算法设计和优化
• 可向技术管理方向发展，带领团队负责国际化业务中的AI产品研发
• 随着AI搜索在行业中的应用深化，有机会拓展至更多业务场景，成为AI应用架构师或解决方案专家
• 负责国际化外卖AI搜索系统的整体架构设计与技术探索，推动deep research、多模态检索等创新功能从0到1落地
• 研发搜索核心算法，包括query理解、检索规划、语义召回以及基于LLM的排序和总结反思，持续提升搜索体验和转化效率
• 构建并维护大规模索引库，利用AI技术自动扩充索引数据，增强系统鲁棒性和泛化能力
• 扎实的机器学习和深度学习基础，深入理解BERT/LLM的算法原理，熟悉Transformer架构
• 掌握Python、Go、C++等至少一种编程语言，以及Hive、Spark等大数据处理工具
• 有LLM训练经验，如Prompt工程、RAG、SFT、知识蒸馏等，了解模型部署流程
• 具备良好的逻辑思维和沟通能力，能够跨团队协作，推动复杂项目落地

申请策略

• 关注滴滴国际化业务动态，在面试中主动表达对海外用户场景的理解和思考
• 提前了解滴滴的AI技术栈和公开的算法博客，可增加文化契合度
• 突出LLM相关项目经历，如Prompt/RAG/SFT、模型微调或部署，尤其是与搜索结合的内容
• 展示大数据处理和编程能力，如Hive/Spark的实际使用经验，或用Python实现算法的案例
• 强调在实习或科研中解决复杂问题的能力，以及团队协作和沟通的成果
• 学习LLM的底层原理，掌握RAG、Agent等主流技术，尝试自己实现一个小型搜索系统
• 熟悉常见的搜索评价指标如Recall、NDCG，了解推荐/搜索系统的整体架构
• 补充多模态检索相关知识，了解向量数据库和embedding技术

面试指南

• 对项目类问题，用STAR法则：背景、任务、行动、结果，突出你的技术决策和量化成果
• 对原理类问题，先讲核心概念，再结合实际场景说明应用方法，最后可以提出优化方向
• 对开放性问题，展示结构化思维，分点阐述，并结合具体例子，体现商业理解和用户视角
• 请详细介绍一个LLM相关的项目，你是如何设计Prompt或进行微调的？
• 如何理解query理解？对于外卖搜索，如何将用户意图与菜品匹配？
• 说说RAG的原理和适用场景，如何避免检索到无关信息？
• 如何构建大规模索引库？如果数据量增长，怎么保证检索效率？
• 你对国际化外卖场景中的搜索挑战有什么想法？