LiblibAI ea 招聘（工资待遇要求）

高级算法工程师 - 智能搜索与推荐系统（DeepResearch方向）
关于职位
我们正在寻找一位充满激情的算法工程师，加入我们的核心技术团队，负责构建下一代智能搜索和推荐系统。该职位将深度参与DeepResearch项目，通过先进的AI技术革新信息检索和知识发现体验。您将有机会探索大语言模型与传统搜推系统的深度融合，打造能够理解复杂查询意图、自主进行多步推理和研究的智能系统。
工作职责
核心研发工作
设计和优化基于大语言模型的智能搜索系统，实现从简单检索到深度研究（Deep Research）的能力跃升
构建多模态搜索推荐算法，支持文本、图像、视频等多种内容形态的统一检索和推荐
开发智能Query理解和改写系统，包括意图识别、实体抽取、查询扩展、多轮对话理解等能力
研发基于LLM的自主研究Agent，实现自动化的信息收集、验证、总结和报告生成

算法创新
探索RAG（Retrieval-Augmented Generation）技术在搜索推荐场景的应用，提升结果的准确性和可解释性
研究大模型与向量检索、知识图谱的融合方案，构建高效的混合检索系统
设计自适应的相关性模型，结合用户反馈实现持续学习和优化
开发基于强化学习的搜索策略，优化多步搜索和探索-利用平衡
系统架构
设计支持亿级文档、毫秒级响应的分布式搜索架构
优化大模型推理pipeline，通过模型压缩、缓存策略、批处理等技术降低延迟
构建端到端的评估体系，包括离线评测、在线实验、用户体验指标等

任职要求
基本要求
计算机科学、人工智能或相关专业硕士及以上学历
3年以上搜索、推荐或NLP相关算法经验
扎实的机器学习和深度学习基础，熟悉常见模型架构（Transformer、BERT、GPT等）
精通Python，熟练使用PyTorch或TensorFlow，了解模型训练和部署全流程
技术能力
搜索推荐经验：熟悉召回、排序、重排等搜推链路，有相关性模型优化经验
大模型应用：了解LLM的原理和应用，有Prompt工程、模型微调、RAG系统开发经验者优先
向量检索：熟悉Embedding技术和ANN算法，使用过Faiss、Milvus、Elasticsearch等工具
工程能力：具备大规模数据处理能力，熟悉分布式系统和高并发架构

专业技能加分项
发表过搜索、推荐、NLP领域顶会论文（SIGIR、RecSys、ACL、EMNLP等）
参与过开源项目，对LangChain、LlamaIndex、DSPy等框架有深入了解
有知识图谱、图神经网络相关经验
熟悉RLHF、Constitutional AI等对齐技术
了解Agent系统设计，有AutoGPT、BabyAGI等项目经验