部门介绍
我们负责蚂蚁的全网搜索和信息获取能力，目标是帮助用户和 AI 应用从持续增长、结构复杂且充满噪声的互联网中，快速获得相关、可信、及时的信息。 全网信息获取不只是“搜一下”：从网页发现、解析和理解，到 Query 理解、召回、排序和结果生成，每个环节都需要在效果、时效、成本和延迟之间取得平衡。AI 正在重新定义搜索——从匹配与排序，进一步发展到基于大模型的内容理解、证据抽取，以及由 Agent 完成问题拆解、多轮搜索和信息整合。我们希望推动搜索从“找到网页”升级为“完成复杂的信息获取任务”。
岗位职责
- 负责全网搜索核心能力建设，包括 Query 理解、召回、排序、多源融合，以及相关性、权威性和时效性优化，持续提升复杂、长尾 Query 的搜索效果。
- 利用大语言模型和多模态模型进行网页与内容理解，建设高质量文档筛选、结构化抽取、证据提取、来源判断和语义信息理解能力，为下游 Agent 提供可直接使用、可追溯的搜索结果。
- 探索和建设 Search Agent 能力，包括问题拆解、搜索规划、多轮检索、工具调用、证据组织、冲突与信息缺口识别，以及任务停止条件判断。
- 建设搜索与 Agent 场景的大模型后训练体系，包括高质量数据构造、指令微调、偏好优化、强化学习和线上反馈闭环，提升模型在真实搜索任务中的效果与泛化能力。
- 建设 Web Search、AI Search、Search Agent 和 Deep Research 的评测体系，覆盖评测集构造、竞品对比、人工与模型评测、Hard Case 分析及线上实验，推动“评测—数据—训练—上线”的持续迭代。
- 推动模型在大规模在线检索系统中落地，通过模型、推理和系统协同优化，持续改善效果、延迟、成本和稳定性。
职位要求
具备扎实的计算机、机器学习和算法基础，能够从问题本质出发分析和解决复杂问题，对搜索与大模型技术保持持续好奇。 具备优秀的编程能力，熟练使用 Python；具备 C/C++、分布式训练或高性能推理经验者优先。 在以下一个或多个方向具有较深入的研究或实践经验： 搜索、信息检索、召回或排序； 自然语言处理、大语言模型或内容理解； Agent、RAG、AI Search 或 Deep Research； 大模型后训练、偏好优化、强化学习或 Reward Model。 具备良好的数据分析和实验能力，能够完成数据建设、离线评测、线上实验和问题归因，并推动算法在真实业务中落地。 具备良好的沟通协作和工程意识，能够与产品、工程及业务团队共同定义目标并推进交付。 加分项 有搜索引擎、AI Search、RAG、Search Agent 或 Deep Research 系统建设经验； 有大模型训练、后训练、推理优化或数据闭环建设经验； 在 SIGIR、WWW、WSDM、KDD、ACL、EMNLP、NeurIPS、ICLR、ICML 等会议发表相关论文； 在 ACM/ICPC、NOI/IOI、Topcoder、Kaggle 等比赛中获奖，或有高质量开源项目经验。 你将获得 技术深度： 深入召回、排序、内容理解、LLM 后训练、Agent 和大规模在线系统，参与传统搜索与前沿 AI 的深度融合。 真实场景： 面向蚂蚁的大规模业务和 AI 应用建设搜索能力，通过真实反馈持续验证和迭代技术方案。 成长空间： 参与 AI 搜索从搜索底座、证据化结果到 Search Agent 的持续演进，共同探索下一代信息获取方式。
