岗位职责
-搜索算法优化：围绕召回、排序、相关性、Query 理解等方向开展问题分析与方案落地，提升搜索结果质量与用户体验 -大模型建模与应用：探索 LLM/Embedding/Rerank 在相关性判定、意图识别、Query 改写、同义/纠错等场景的建模方案，验证效果收益 -样本与数据建设：负责 Query-Doc、点击/转化等样本的构造与清洗，设计标注规范与抽样策略，利用 LLM 辅助生成弱标注/银标数据并做一致性校验 -模型训练与评估：参与特征工程、训练/验证集拆分、离线评估与误差分析；探索 SFT/LoRA、偏好优化（DPO 思路）等微调实践 -基于 Coding Agent 的算法提效与线上优化：深入使用 Coding Agent（如 Claude Code 等）驱动算法迭代——自动化数据分析、误差归因、Case 挖掘与线上问题诊断；探索面向搜索算法场景的 Agent/Skill 沉淀（评测流水线、样本构造、实验分析等），把重复的分析与验证工作工具化、可复用化 -Agent 与大模型结合探索：结合 Prompt 工程、工具调用与结构化输出，构建面向搜索的智能分析/评测 Agent，验证其在相关性评估、Query 理解、数据标注等环节的效率与效果提升 -实验与效果分析：制定 A/B 实验方案、核心指标与分桶策略，跟踪上线效果并输出结论与改进建议，完善回归与监控机制
职位要求
-计算机/数学/统计/机器学习等相关专业在读，本科及以上；机器学习、数据分析与算法基础扎实 -熟练使用 Python 与数据分析工具（NumPy/Pandas/Sklearn 等），熟悉至少一种深度学习框架（PyTorch/TensorFlow）者优先 -有大模型相关实践者优先：数据构建（标注/弱标注/合成数据）、Embedding/向量检索、Rerank、Prompt 设计、SFT/LoRA 微调、评测体系（相关性/一致性/幻觉控制）等任一方向 -熟悉或有强烈意愿深入使用 Coding Agent（如 Claude Code、Cursor 等），理解 Agent 的工具调用/Prompt 编排机制，能用 Agent 加速数据分析、实验与问题诊断者优先 -对搜索/推荐/NLP 有兴趣或项目经验者优先，了解召回、排序、学习排序（LTR）、Query 理解、相关性评估与 A/B 实验方法 -沟通推进与文档能力良好，有实验可复现意识与代码规范 -可连续实习 6 个月以上、每周到岗 4 天以上者优先
