岗位职责
- 设计和参与升级淘宝电商搜索系统的整体召回算法框架，包括但不限于倒排索引检索、多模态语义向量召回检索、生成式检索以及个性化检索。
- 研究和应用最新的可学习稀疏检索算法和倒排索引技术，以提高系统的搜索相关商品召回率，推动淘宝电商搜索倒排系统向高效、智能化在线截断方向演进。
- 设计、实现和优化基于大型预训练模型的稠密检索系统，处理大规模电商数据，包括商品信息、用户搜索日志等，充分利用样本技术提高搜索结果的相关商品召回率，以提供高效的搜索体验；并结合近似最近邻搜索（Approximate Nearest Neighbor, ANN）算法，同时在表征和索引上协同优化商品搜索召回的性能。
- 负责淘宝电商商品搜索领域生成式大模型商品检索方向的优化与应用，打造垂直领域业界标杆；研究商品索引结构设计、大模型生成式商品检索技术、大模型预训练的目标与下游商品检索任务对齐等技术。
- 负责设计、实现和优化电商领域的个性化搜索召回系统，结合行为序列预训练建模技术，以提高搜索结果的个性化匹配和用户满意度；实现和优化电商领域商品维度的效率模型与退款率模型。
职位要求
- 计算机科学、人工智能、机器学习或相关领域的硕士或博士学历。
- 在深度学习和自然语言处理领域有丰富的经验，熟悉BERT、GPT等预训练模型，并具备跨模态数据处理经验。
- 能够熟练使用深度学习框架，如PyTorch、TensorFlow等，并有大规模分布式训练经验。
- 具备良好的团队合作和沟通能力，能够与跨职能团队紧密合作，解决复杂的电商数据处理和模型优化问题。
- 具有学术论文发表、专利申请或公开讲座的历史记录者优先考虑。
- 有大规模生成式检索/推荐、大模型向量表征模型、Agentic应用等真实技术落地经验优先
