【快Star-X实习】电商AI搜索算法工程师

【团队介绍】快手电商AI搜索与多模态理解团队，致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 ，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。我们团队的 OneSug、OneSearch、OneSearchV2等相关工作受到业界广泛关注。 1、参与亿级用户规模的电商搜索业务优化，围绕核心业务指标（GMV、购买用户数、点击率、转化率等）开展算法研究与迭代，持续提升用户搜索购物体验，推动电商生态健康发展。 2、深入设计与优化搜索全链路算法模块，包括但不限于：Query理解、召回、粗排、精排、混排、相关性计算、机制策略等；探索并应用序列建模、迁移学习、强化学习、对比学习、多模态大模型等前沿技术，提升模型智能化水平与业务效果。 3、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM。 4、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等。 5、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地； 6、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。

1、计算机、数学、人工智能或相关专业硕士及博士在读，有扎实的机器学习和NLP算法基础。 2、熟悉LLM工程技术和方法，并掌握大模型的微调和评估方法；有参与大模型研发者优先。 3、熟悉深度学习框架，如TensorFlow、PyTorch等，有扎实的编程基础和代码实现能力。 4、具备优秀的业务感知以及分析和解决问题的能力，良好的沟通协作能力。 加分项 1、有高水平论文（如ACL、CVPR、NIPS、AAAI、ICML等)或者开源项目者优先。 2、有大规模电商搜索、推荐、广告系统实践经验者优先。 3、在多模态学习、大语言模型、强化学习、检索增强生成（RAG）、Agent等方向有深入研究或项目经验者优先。