AI搜索架构与系统设计-阿里星

北京/杭州 · 校招 · 2027 届 · 博士

长期有效

前往官方投递页 →

任职要求

1、计算机科学、人工智能或相关专业博士学历；
2、精通 Python/C++/Go 中至少一门语言，具备深厚的数据结构与算法基础；
3、搜索引擎核心技术：深入理解倒排索引原理、BM25/TF-IDF 算法及分布式索引构建策略，有亿级数据量索引优化经验者优先；
4、向量检索与大模型：熟练掌握主流向量数据库及近似最近邻搜索（ANN）的优化，熟悉基础RAG 框架的实现与优化；
5、分布式系统架构：具备高并发、高可用系统设计经验，熟悉 Kubernetes 及微服务架构；
6、对 AI 搜索前沿技术（如 Agentic Search, Multi-modal Retrieval）有敏锐的洞察力；
7、具备优秀的逻辑思维能力，能够独立拆解复杂问题并提出创新解决方案；
8、良好的沟通协作能力，能够跨团队推动技术落地。
加分项：
1、有主导或参与过工网搜索引擎或大型知识库问答系统的建设经验；
2、在人工智能和计算机系统顶级会议发表过相关论文；
3、ACM/ICPC等国际奖项获得者，主流开源项目活跃贡献者。

岗位描述

负责设计与构建涵盖公共互联网信息的下一代 AI 搜索系统。主导从数据采集、索引构建到检索增强生成（RAG）的全链路架构设计，解决在百亿级文档规模下的高并发、低延迟及事实一致性难题。核心职责包括：

1、公网数据流水线架构设计：设计并实现高吞吐的公网数据采集与清洗系统，应对海量、多模态及动态变化的公开网络数据；
2、混合检索与 RAG 引擎优化：构建基于“向量检索 + 关键词倒排索引”的混合检索架构，在百亿级文档库中实现毫秒级的高精度召回；
3、大模型事实一致性校验：研发生成式搜索中的事实校验模块，抑制“幻觉”现象。建立自动化评估框架，量化搜索结果的可解释性、准确性及来源权威性；
4、高性能系统架构演进：参与 AI 搜索系统的整体架构设计，推动系统从传统云原生架构向 AI 原生架构转型，整合分布式索引与大模型推理能力，平衡计算资源成本与系统性能。
1、计算机科学、人工智能或相关专业博士学历；
2、精通 Python/C++/Go 中至少一门语言，具备深厚的数据结构与算法基础；
3、搜索引擎核心技术：深入理解倒排索引原理、BM25/TF-IDF 算法及分布式索引构建策略，有亿级数据量索引优化经验者优先；
4、向量检索与大模型：熟练掌握主流向量数据库及近似最近邻搜索（ANN）的优化，熟悉基础RAG 框架的实现与优化；
5、分布式系统架构：具备高并发、高可用系统设计经验，熟悉 Kubernetes 及微服务架构；
6、对 AI 搜索前沿技术（如 Agentic Search, Multi-modal Retrieval）有敏锐的洞察力；
7、具备优秀的逻辑思维能力，能够独立拆解复杂问题并提出创新解决方案；
8、良好的沟通协作能力，能够跨团队推动技术落地。

加分项：

1、有主导或参与过工网搜索引擎或大型知识库问答系统的建设经验；
2、在人工智能和计算机系统顶级会议发表过相关论文；
3、ACM/ICPC等国际奖项获得者，主流开源项目活跃贡献者。

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 →