淘天算法技术-算法专家（直播）-杭州/北京

优缺点分析

角色解读

• 技术专家路线：在推荐算法和大模型领域持续深耕，成为公司内顶尖的技术专家，主导核心算法的演进和创新
• 技术管理路线：随着业务规模扩大，有机会带领团队，从个人贡献者成长为技术团队的Leader或管理者
• 业务影响路线：通过算法创新直接驱动直播业务增长，成为连接技术与业务的关键角色，未来可转向产品、运营等更广泛的业务岗位
• 负责淘宝直播推荐链路的核心算法研发，包括召回、粗排、精排、重排等环节的模型优化，直接提升直播分发的效率和用户体验
• 深度参与AI助手和Agent的建设，将大语言模型（LLM）和多模态大模型（MLLM）技术落地到直播推荐场景，探索新的业务增长点
• 负责大模型的预训练（Pre-train）、指令微调（SFT）、人类反馈强化学习（RLHF）等全链路工作，持续提升模型在业务中的实际效果
• 深入分析业务需求，通过技术创新提升作业效率，并持续关注行业前沿AI技术趋势，引入并应用新技术
• 对LLM/MLLM模型和智能体（Agent）领域有深入研究，理解其原理和架构，并有在B端或C端成功应用的经验
• 扎实的机器学习/深度学习基础，熟练掌握PyTorch、TensorFlow等深度学习框架，对Transformer等网络架构有深入理解
• 熟悉ESMM、DM、MMOE等常用推荐模型范式，并具备在直播或电商推荐领域的实际应用经验
• 具备优秀的学术背景，在NeurIPS、ICLR、ICML等顶会或期刊上发表过论文是重要加分项

申请策略

• 在面试中除了展示技术深度，也要体现对直播电商业务的理解，思考算法如何更好地服务于业务目标
• 可以提前了解淘天直播的业务动态和技术博客，在面试中展现出对公司和业务的热情与了解
• 重点突出在直播或电商推荐领域的项目经验，特别是召回、排序、重排等环节的模型优化案例和带来的业务指标提升
• 详细描述在大模型（LLM/MLLM）和Agent方面的实际工作，包括模型架构设计、训练调优（SFT/RLHF）以及落地应用的经验
• 列出在NeurIPS、ICLR、ICML等顶会或期刊上发表的论文，并简要说明其创新点和影响力
• 强调扎实的机器学习/深度学习基础，包括对PyTorch/TensorFlow等框架的熟练掌握和对Transformer等模型架构的深入理解
• 系统梳理大模型全链路技术，特别是RLHF、模型压缩、推理优化等工程落地相关的技能
• 深入学习Agent的设计原理和典型应用，如ReAct、Plan-and-Execute等模式，并尝试在推荐场景中构思创新应用

面试指南

• 对于项目经验类问题，采用STAR法则（情境-任务-行动-结果），清晰阐述项目背景、你的具体贡献、采用的技术方案以及最终可量化的成果
• 对于技术理解类问题，先阐述核心概念和原理，再结合自己的实践经验或行业案例进行说明，最后可以提出自己的思考和见解，展现深度
• 对于方案设计类问题，先明确目标和约束条件，然后从系统架构、模型选型、数据流等角度给出分步骤的解决方案，并说明权衡取舍
• 请详细介绍一下你过去负责的推荐系统项目，特别是如何优化召回或排序模型来提升业务指标？
• 谈谈你对LLM在推荐系统中应用的理解，你认为大模型可以如何改造现有的推荐链路？
• 你如何设计和训练一个用于直播场景的Agent？请描述其核心模块和关键技术
• 在将大模型落地到业务时，你遇到过哪些挑战（如效果、延迟、成本）？你是如何解决的？
• 请介绍一篇你发表的顶会论文，它的核心创新点和实际价值是什么？