算法工程师-搜索算法大模型应用方向（T-Star Lab日常实习）

AI 摘要智能生成

研究基于LLM的个性化电商排序模型，实习11个月

职位描述

岗位课题： 研究基于LLM的个性化电商排序模型，包括但不限于LLM与稀疏模型结合，或LLM进行端到端生成式排序 课题项目背景： 淘宝主搜索目前主要依托于稀疏特征体系，相较于稠密的多模态稠密特征泛化性偏弱。LLM的世界知识理论上可以解决现有模型面临的问题，实现真正的用户理解/商品理解，基于大模型推理能力实现个性化购物决策路径推理，个性化意图推理等。 实习生同学可以在此项目中深度探索LLM应用到“个性化任务”中的各项子任务，并且在这一过程中深度理解电商业务与前沿技术之间的关系，学习如何实现二者兼顾并产出落地于工业界的技术方案。 岗位职责： 如果你，期望直接接触工业界最真实的海量数据； 如果你，期望探索生成式搜推技术； 如果你，期望探索基于LLM的下一代个性化技术； 如果你，期望兼顾技术深度与业务价值实现，探索研究业界最新的技术方向； 加入我们，与我们一起在复杂业务变化中开拓创新，体验追求极致、进无止境的工程师文化。

任职要求

• 硕士及以上学历，2026年11月1日以后毕业，计算机科学/人工智能/数据等相关专业，能连续实习3个月及以上；
• 具备极佳的工程实现能力，精通C/C++、Java、Python、Perl等至少一门语言；
• 对目前主流的深度学习平台，如tensorflow、pytorch等，至少对其中一个有上手经验；
• 熟悉深度学习以及常见机器学习算法的原理与算法，深入理解并掌握LLM基本原理和相关算法，如GPT、GLM、T
• BART等，包括它们的架构、训练方法和应用场景；
• 有强烈求知欲，对人工智能领域相关技术有热情；学习能力强，对新事物保有好奇心；
• 具有良好的数学基础，良好的英语阅读能力；有团队意识，最好具有团队协作的经验。
• 在NLP/CV/ML等领域发表过优秀论文，包括但不限于NeurIPS、ICLR、ICML等顶级会议或期刊；
• 有工业界相关方向的实践经验者，或参加过ACM或数据挖掘/机器学习类竞赛并取得优异名次者优先。