天猫
淘天算法技术-AI搜算法工程师-杭州/北京
淘天算法技术-AI搜算法工程师-杭州/北京
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llm
Post-Training
Pytorch
Rag
Rlhf
Sft
搜索算法
电商搜索
值不值得投
73综合评分
综合评分 73
前沿AI搜索算法岗，技术成长空间大，薪资市场水准，WLB未知。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
40K
与人工智能中位数基本持平
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 160 个在招 · 其中人工智能 11 个
市场机会
选择面较广
杭州 · 人工智能 · 约 190 个在招
职位详情
关于这个职位
这个职位负责将大语言模型与搜索引擎深度融合，通过RAG、Agent等技术推动AI搜索迭代，提升用户搜索体验
参与AI搜索模型全链路建设，聚焦后训练技术（如SFT、RLVR），并构建数据驱动闭环，支持智能体推理和自动化评估
最低要求
计算机、人工智能、数学等相关专业硕士及以上学历
扎实的编程基础，熟练掌握PyTorch，熟悉llama-factory, VeRL/ROLL等训练框架
深入理解LLM/MLLM原理，具备大模型Post-training（SFT、RLHF/RLVR）实战经验，熟悉RAG、Agent技术栈
具备Agentic Search理念，能够将Agent框架与电商搜索场景结合，形成完整技术闭环
在NeurIPS、ICLR、ICML、SIGIR、KDD等顶会发表论文，或具备开源项目贡献、竞赛获奖经历者优先
强烈的好奇心、自驱力和业务敏感度，善于在复杂业务中挖掘技术突破点并推动落地
工作职责
负责LLM与搜索引擎的深度融合，推动AI搜索技术迭代，通过RAG、Agent等技术提升用户搜索体验
参与AI搜索模型全链路能力建设，聚焦Post-training（SFT、RLVR、Agentic RL、CoT）等核心技术
构建数据驱动的Agentic闭环链路，支持智能体推理、Case分析、训练数据合成与自动化评估，实现搜索效果的持续优化
持续跟踪AI搜索领域最新技术动态，推动研究成果沉淀为技术文章、专利或学术论文，打造团队技术影响力
优先资格
在NeurIPS、ICLR、ICML、SIGIR、KDD等顶会发表论文，或具备开源项目贡献、竞赛获奖经历者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，直接接触LLM、Agent等最新AI技术，有高成长空间
- 在大型电商平台实战，业务场景丰富，数据资源充足
- 公司平台大，技术资源丰富，利于技术沉淀和影响力培养
- 业务场景复杂，需平衡算法效果与工程落地，对综合能力要求高
- 适合对AI搜索技术有热情、具备扎实机器学习基础、追求技术深度和创新的工程师
缺点 / 挑战
- 技术难度高，需要持续学习跟进快速迭代的AI领域，挑战大
- 竞争激烈，需要强自驱力和创新能力，工作压力可能较大
角色解读
- 成为AI搜索或大模型领域的专家工程师，深耕技术深度
- 晋升为技术负责人，带领小团队攻克技术难题，推动业务创新
- 转向研究岗位或技术管理，参与技术战略规划，扩大行业影响力
- 负责将大语言模型与搜索引擎结合，开发和优化AI搜索算法，提升用户体验
- 参与模型全链路训练，特别是后训练技术如SFT和RLHF，构建技术闭环
- 构建数据驱动的智能体闭环，支持推理、分析和自动化评估，持续优化搜索效果
- 跟踪前沿技术并推动成果转化为论文或专利，提升团队技术影响力
- 精通PyTorch和LLM训练框架（如llama-factory、VeRL/ROLL），具备扎实编程基础
- 深入理解大模型后训练原理，有SFT、RLHF实战经验，熟悉RAG和Agent技术栈
- 具备Agentic Search理念，能将Agent框架与电商搜索场景结合
- 有顶会论文、开源贡献或竞赛获奖经历者优先，需强烈好奇心和业务敏感度
申请策略
- 研究天猫搜索业务，理解技术如何驱动用户体验提升和商业目标
- 准备面试时，思考如何将AI技术与具体业务场景结合，准备案例
- 突出LLM和Post-training（如SFT、RLHF）的实战项目经验，量化成果
- 列出相关顶会论文、开源贡献或竞赛获奖，展示技术影响力
- 强调与搜索、推荐或电商场景相关的技术能力，体现业务理解
- 展示编程基础和框架熟练度（如PyTorch），证明工程能力
- 深入学习Agent框架在搜索中的应用案例，了解最新研究进展
- 补充电商搜索业务逻辑和常见挑战知识，增强场景结合能力
面试指南
- 使用STAR法则：情境、任务、行动、结果，结合具体项目经验回答
- 先概述技术原理，再举例说明实际应用和优化点，强调数据驱动
- 展示系统思维，说明如何从问题分析到方案设计再到效果评估
- 请描述如何将LLM应用于搜索引擎优化，有哪些关键步骤？
- RAG技术在电商搜索中有哪些挑战和解决方案？
- 如何设计Agentic闭环来提升搜索效果，举例说明？
- 你对大模型Post-training（如SFT、RLHF）有哪些实战经验？遇到了什么问题？
- 如何平衡算法创新和业务落地，确保技术方案可行？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
作为大型科技公司的职位，薪资和福利可能具有市场竞争力，但JD未明确披露具体信息。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
职位涉及前沿AI技术（LLM、Agent），有明确的技术挑战和成长空间，鼓励技术沉淀和影响力打造。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、PyTorch、Post-training、SFT、RLHF
成长机会推动研究成果沉淀为技术文章、专利或学术论文
业务类型profit_center
工作生活
50较低
JD未提及工作模式、加班或WLB信息，无法判断办公灵活性，可能默认为现场办公。
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
AI搜索是高速增长赛道，通过技术提升用户体验具有社会价值，但JD未明确提及使命或社会影响。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs