职位&公司对比

职位详情

• 北京
• 5-10年
• 本科

• 搜索/信息检索算法经验
• RAG
• 召回检索

岗位职责： 1. 设计和参与升级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。 2. 负责研发和优化电商BERT类型的多模态预训练模型，以应用于电商领域中搜索召回的稀疏检索、稠密检索，以及相关性模型、Query理解等多种任务中。 3. 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来自BOSS直聘品召回率，推动电商搜索倒排系统向高效、智能化在线截断方向演进。 4. 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kanzhun，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BOSS直聘能。 5. 负责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。 6. 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 1. 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。 2. 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。 3. 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。 4. 对图像处理、语音处理等领域的相关技术有较深的理解，尤其是在电商数据分析和处理方面有经验者优先。 boss5. 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。 6. 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直聘考虑。