亚马逊
Applied Scientist (2026-27 Campus, International Technology Team), Shanghai
Applied Scientist (2026-27 Campus, International Technology Team), Shanghai
发布于 大约 7 小时前普通员工/个人贡献者
上海市
无经验要求
全职员工
仅现场办公
硕士
机器学习工程
Nlp
Pytorch
Rag
Tensorflow
信息检索
大语言模型 (Llm)
机器学习
深度学习
生成式Ai
AI 估算 · 30k–45k
亚马逊作为顶级科技公司，校招应用科学家薪资具有竞争力，结合上海生活成本和岗位技术含量，月薪在3-4.5万区间合理。
职位详情
关于这个职位
作为亚马逊International Technology搜索团队的应用科学家，您将专注于将前沿的NLP、信息检索和生成式AI技术应用于实际搜索和购物场景，直接提升全球数百万客户的购物体验
您将参与从研究、开发到部署的完整闭环，利用TB级数据解决搜索理解、排序、个性化等核心问题
该职位面向2026-2027年毕业的硕博应届生，是进入顶级科技公司研究团队的绝佳机会
最低要求
· 正在攻读或已获得计算机科学、计算机工程、机器学习、人工智能、运筹学、统计学或相关领域的硕士或博士学位
· 具备机器学习或深度学习的基础知识，以及实验设计、统计分析和模型评估经验
· 具备使用代码和工具实现、训练和评估算法的经验
· 至少熟练使用一种编程语言，例如 Python、Java 或 C++
· 了解 NLP、IR、推荐系统或生成式 AI 中至少一个方向的基本方法
工作职责
· 针对 Amazon 搜索和购物体验中的实际问题，提出可验证的科学假设，设计并实现机器学习、NLP、IR 或 LLM 解决方案
· 使用大规模商品、查询和客户行为数据训练、微调和评估模型，建立可重复的实验与评估流程
· 探索基础模型在搜索、推荐和对话式购物中的应用，包括 RAG、模型微调、提示优化和 Agent 等方向
· 设计覆盖相关性、事实性、鲁棒性、安全性、延迟和成本的评估指标，并通过离线实验、A/B 测试和客户反馈验证效果
· 与工程和产品团队合作，将原型转化为可扩展、可维护的生产系统，并持续分析和改进线上表现
· 跟踪学术界和工业界的最新进展，形成技术文档，并在适当情况下向内部或外部科学社区分享研究成果
优先资格
· 在 NLP、IR、机器学习、数据挖掘或生成式 AI 相关顶级会议或期刊发表过论文，或有高质量研究项目经历
· 熟悉 Transformer、LLM 或基础模型，并具有预训练、监督微调（SFT）、参数高效微调、偏好优化或推理优化中的一种或多种实践经验
· 具有 RAG、向量检索、Embedding、语义匹配、Agent 或工具调用系统的研究或开发经验
· 熟悉 PyTorch、TensorFlow 等深度学习框架，以及 Hugging Face Transformers 等常用 LLM 工具链
· 具有搜索引擎或推荐系统经验，尤其是在索引、召回、排序、查询理解、个性化或在线实验方面
· 具有 LLM 评估经验，能够从相关性、事实性、幻觉、鲁棒性、安全性、延迟和成本等维度衡量系统质量
· 具有大规模数据处理、分布式训练、模型压缩或高效推理经验
· 具备良好的批判性思维和技术沟通能力，能够清楚地解释模型选择、实验结果及其局限性，并与跨职能团队合作解决开放性问题
AI 洞察
优缺点分析
优点
- 亚马逊作为全球科技巨头，平台大、资源丰富，能够接触TB级真实数据和前沿技术
- 岗位聚焦NLP、LLM等热门领域，技术含量高，有助于快速积累核心竞争力
- 团队氛围注重科学创新，鼓励发表论文和分享研究成果，学术与工业结合紧密
- 岗位对技术深度和科研能力要求高，需要具备扎实的理论基础和动手能力
- 作为校招岗位，竞争激烈，需要从众多优秀候选人中脱颖而出
- 适合对NLP、LLM和搜索技术有浓厚兴趣，具备扎实科研背景，并希望在顶级平台将学术成果转化为实际应用的硕博应届生
缺点 / 挑战
- 工作涉及大规模数据处理和模型部署，可能面临较大的工作强度和压力
角色解读
- 作为应用科学家，可以深入搜索、推荐和生成式AI等前沿领域，成为领域专家
- 在亚马逊这样的国际平台，有机会与全球顶尖科学家合作，积累大规模系统设计和部署经验
- 职业路径可向高级应用科学家、研究经理或技术总监等方向发展，或转向产品、工程等交叉领域
- 针对亚马逊搜索和购物体验中的实际问题，提出科学假设并设计机器学习、NLP、IR或LLM解决方案
- 使用TB级商品、查询和客户行为数据，训练、微调和评估模型，建立可重复的实验与评估流程
- 探索基础模型在搜索、推荐和对话式购物中的应用，包括RAG、模型微调、提示优化和Agent等方向
- 与工程和产品团队合作，将原型转化为可扩展、可维护的生产系统，并持续分析和改进线上表现
- 扎实的机器学习或深度学习基础，以及实验设计、统计分析和模型评估经验
- 至少熟练使用一种编程语言，如Python、Java或C++，并具备实现和训练算法的能力
- 了解NLP、IR、推荐系统或生成式AI中至少一个方向的基本方法
- 具备良好的批判性思维和技术沟通能力，能够解释模型选择、实验结果及其局限性
申请策略
- 关注亚马逊的招聘流程，确保简历信息完整，并准确填写学校英文全称
- 在面试中展示你对搜索和购物场景的理解，以及如何将技术应用于实际业务
- 突出你的研究项目和论文发表，特别是与NLP、IR、LLM相关的成果
- 强调你的编程能力和框架使用经验，如Python、PyTorch、TensorFlow等
- 展示你处理大规模数据、设计实验和评估模型的能力，最好有具体案例
- 深入学习Transformer、LLM和基础模型，并实践SFT、RAG、Agent等技术
- 熟悉Hugging Face Transformers等工具链，并尝试在开源项目上复现或改进
- 了解搜索引擎和推荐系统的基本架构，如索引、召回、排序等
面试指南
- 对于项目介绍，采用STAR法则，突出背景、任务、行动和结果，并强调你的贡献
- 对于技术问题，先阐述基本概念，再结合具体场景分析，最后给出权衡和选择
- 对于开放性问题，展示你的思考过程，从问题定义、数据、方法到评估，体现系统性
- 请详细介绍一下你参与过的NLP或LLM相关项目，包括技术选型和结果
- 如何设计一个实验来评估搜索相关性？你会选择哪些指标？
- 谈谈你对RAG的理解，以及如何解决其中的检索和生成问题？
- 如何权衡模型质量、推理延迟和计算成本？
- 你如何跟踪学术界的最新进展，并决定是否将其应用到工业场景？
职位点评
82
综合评分
顶级平台、前沿技术栈、高成长性，但WLB和薪资细节未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
最适合追求技术前沿和快速成长，对NLP、LLM有浓厚兴趣，并希望在大平台实现技术价值的硕博应届生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活60
使命价值85
薪资福利
80较高
亚马逊作为顶级科技公司，薪资福利具有竞争力，但具体薪资未在JD中披露，需面议。
薪资信号未披露（AI估算：30K-45K/月）
成长发展
95较高
该岗位处于NLP和LLM前沿，技术含量高，能接触大规模数据和先进技术，成长空间巨大。
技术前沿前沿/新兴技术
技术栈NLP、IR、机器学习、深度学习、LLM、生成式AI、RAG、PyTorch、TensorFlow、Hugging Face
成长机会跟踪学术界和工业界的最新进展、形成技术文档、向科学社区分享研究成果
业务类型profit_center
工作生活
60中等
工作地点在上海，但JD未提及弹性工作或远程办公，可能以现场办公为主。
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
85较高
岗位直接服务于亚马逊全球客户的搜索和购物体验，具有较高的社会价值和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号直接影响全球数百万客户的购物体验
创新程度积极采用新技术
Watch Jobs