岗位职责
- 围绕 Coding、Office、时效问答及多模态等场景，优化Search、RAG 对模型回答与 Agent 任务完成效果的增益。
- 优化查询理解与改写、搜索源路由、召回、重排、内容提取、证据筛选及上下文压缩等关键环节。
- 建设公私域融合检索策略，提升复杂任务中的信息覆盖、时效性、准确性与引用质量。
- 建立公开评测、竞品对标与客户任务评测体系，在固定模型、时延和成本预算下验证优化收益。
- 分析线上 Trace 和 Bad Case，完成问题归因，沉淀高质量数据与回归用例，推动策略迭代上线。
- 探索利用模型辅助数据构建、错误归因和实验分析，建设 AI Native 效果优化闭环。
职位要求
- 具备搜索、推荐、自然语言处理、机器学习或大模型应用优化相关经验。
- 熟悉检索与排序基本方法，对向量检索、混合检索、重排或查询优化有实践积累。
- 具备扎实的数据分析和实验能力，能够设计评测、定位问题并验证收益。
- 熟练使用 Python、SQL，具备算法实验及策略工程实现能力。
- 理解 LLM、RAG 和工具调用机制，能够从最终任务表现反推链路优化方向。
- 关注实际效果，能够同时考虑准确率、时延、Token 消耗和成功任务成本。 加分项 - 有 Coding、Office、Research Agent 或多模态检索优化经验。 - 有搜索评测、LLM-as-Judge、合成数据、自动化评测或数据飞轮建设经验。 - 有 Memory、知识组织或长上下文优化经验。
