AI搜索算法工程师-搜索
- 广东省珠海市
- 长期
- 全职
主要工作方向包括：
1、探索前沿的NLP技术：从基础的分词、NER，文本、多模态预训练，到业务上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；
2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，实现多模态视频搜索强大的语义理解和检索能力；
3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；
4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新；
5、推荐技术：基于超大规模机器学习技术，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新。1、探索大模型和搜索结合的创新技术：随着大模型技术的快速发展，智能搜索领域迎来了新的机遇和挑战，传统搜索技术在面对海量数据、多模态信息以及用户复杂需求时，逐渐暴露出模型容量不足、语义理解能力有限、资源利用率低等问题，基于大模型的智能搜索构建旨在通过引入大模型技术，提升搜索系统的智能化水平，优化用户体验，并解决超大规模检索、复杂语义理解、资源高效利用等核心问题，具体目标包括：探索大模型与排序算法的结合，提升个性化排序的精度和用户体验；研究生成式检索算法，解决百亿乃至千亿级别候选库的超大规模检索问题；利用大语言模型（LLM）提升复杂多义Query的搜索满意度；
2、排序、个性化能力提升：传统排序算法难以充分利用多模态信息（如文本、图像、视频等），且模型复杂度有限，无法满足用户对精准化和个性化搜索的需求；
3、检索、相关性能力提升：传统判别式模型在千亿级别候选库的检索中，面临模型容量不足、索引效率低下等问题，亟需新一代检索算法；
4、复杂Query理解：用户搜索需求日益复杂，传统搜索引擎难以准确理解长难句、多义Query的语义，导致搜索结果满意度低；
5、资源利用率：搜索系统存储和计算分离的架构导致资源利用率低，如何在保证性能的同时优化资源使用成为关键问题。职位要求:1、2026届获得硕士及以上学位，人工智能、计算机、电子、自动化、软件工程、数学等相关专业优先；
2、具备扎实的编码代码能力、数据结构和基础算法功底，熟练运用各种算法框架与工程框架，熟练使用C/C++和Python语言；
3、在搜索、推荐、广告、自然语言处理NLP、自然语言理解NLU、多模态、机器学习、深度学习等一个或多个领域有较深入的研究者优先；
4、在人工智能领域、机器学习领域国际会议或期刊发表论文者优先；
5、具有良好的问题分析解决能力，沟通协作能力，工作积极主动，能够与团队融洽合作，一起探索新技术，推进技术进步。加分项：
1、具有优秀的基础算法、扎实的机器学习/深度学习基础，熟悉NLP、RL、ML等领域的技术，在KDD、SIGIR、ICML、ACL、COML、EMNLP、CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者优先；