AI 搜索算法 (LLM 方向)

1. 参与搜索内容生成： 探索和实践利用 LLMs（包括但不限于 GPT 系列、BERT 等）进行高质量、多样化搜索相关内容的生成与优化。 2. 优化内容检索与排序： 协助研发和改进基于 LLM 的语义理解、向量检索（Embedding）、混合检索等技术，提升搜索结果的相关性、准确性和召回率。 3. LLM 应用探索与迭代： 参与将大模型应用于搜索场景（如：Query 意图理解、智能问答、结果摘要、对话式搜索等）的原型设计、实验评估和效果迭代。 4. 垂类模型微调： 参与针对特定搜索领域或任务的语言模型 Fine-tuning 工作，提升模型在垂类场景下的表现。 5. RAG 技术增强： 协助进行 Retrieval-Augmented Generation (RAG) 系统的研发和优化，结合检索与生成，提高搜索答案的实时性、准确性和可靠性。 6. 前沿技术追踪： 关注 LLM、NLP 及搜索领域的最新技术进展，并进行相关的技术预研和分享。

1. 学历背景： 计算机科学、人工智能、软件工程、电子信息、数学等相关专业在读本科、硕士或博士生。 2. 编程能力： 熟练掌握 Python 编程语言，熟悉至少一种深度学习框架（如 PyTorch、TensorFlow）。 3. 基础知识： 具备扎实的计算机基础知识，熟悉常见的数据结构与算法；对机器学习、自然语言处理（NLP）有较好的理论基础。 4. LLM 基础： 对 Transformer、BERT、GPT 等主流大语言模型有基本了解，理解其原理和应用方式。 6. 学习能力： 具备快速学习新知识、新技术的能力，对解决挑战性问题充满热情。 7. 沟通协作： 良好的沟通能力和团队协作精神，能够清晰地表达自己的想法并与他人有效合作。 加分项： 1. 在顶级会议（如 KDD, SIGIR, WWW, ACL, EMNLP, NeurIPS, ICML 等）发表过论文者优先。 2. 在国际/国内知名 AI 竞赛（如 Kaggle、天池、KDD Cup、NeurIPS Competitions 等）中取得优异成绩者优先。 3. 有搜索、推荐、自然语言处理、知识图谱等相关项目经验或实习经历者优先。 4. 有模型 Fine-tuning、Prompt Engineering、RAG