算法工程师-生成式推荐

北京/杭州 · 校招 · 2027 届 · 本科

长期有效

前往官方投递页 →

任职要求

1、具备复杂问题解决能力, 拥有优秀编码能力，扎实的数据结构和算法功底;
2、熟悉大规模机器学习/深度学习算法；
3、具有如搜索/推荐/广告等相关领域经验，时刻关注业内前沿技术；
4、对技术有热情，兼具务实且创新的精神，热衷于在实际工作中发现问题、验证问题、不断提出自己的想法和技术方案；
5、有良好的沟通表达能力, 具有团队精神, 有良好的团队协同能力；
6、在顶会（SIGIR、SIGKDD、ICML、NIPS、WWW、AAAI、CIKM、ACL、RECSYS等）或期刊上发表过论文者优先。

岗位描述

1、AI for Rec: 研究如何利用模态对齐、用户行为CoT等技术手段, 基于LLM的推理能力和世界知识提升对用户个性化偏好的刻画，赋能电商场景下的模型预估，实现更精准的人货匹配；
2、生成式推荐: 包括推荐领域下生成式模型相较于判别式模型的优劣对比，生成式训练范式设计、生成式模型结构优化、基于RL的排序目标对齐等方向，设计有scale-up能力的模型方案；
3、ai-infra下的模型落地: 负责大模型infra下的预估模型落地，包括更加算力友好的算法方案设计、训练加速、线上部署、链路优化、计算复杂度优化等，推动先进技术成果的规模化落地。
1、具备复杂问题解决能力, 拥有优秀编码能力，扎实的数据结构和算法功底;
2、熟悉大规模机器学习/深度学习算法；
3、具有如搜索/推荐/广告等相关领域经验，时刻关注业内前沿技术；
4、对技术有热情，兼具务实且创新的精神，热衷于在实际工作中发现问题、验证问题、不断提出自己的想法和技术方案；
5、有良好的沟通表达能力, 具有团队精神, 有良好的团队协同能力；
6、在顶会（SIGIR、SIGKDD、ICML、NIPS、WWW、AAAI、CIKM、ACL、RECSYS等）或期刊上发表过论文者优先。

你的简历匹配这个岗位吗？

上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方

登录后分析我的简历

该岗位可能会问的问题

基于算法岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制（Self-Attention）

类型专业能力·难度困难

查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等

查看答题思路

1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）

过拟合是什么？怎么判断和解决

类型专业能力·难度简单

查看答题思路

1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理，SGD 和 Adam 的区别

类型专业能力·难度中等

查看答题思路

1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam

给你 10 万条未标注的文本数据，如何找出其中 10 个主题

类型情景/案例·难度中等

查看答题思路

1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整

更多面试题库功能即将上线

信息来源：企业官方招聘页。投递前请以官网信息为准。

前往官方投递页 →