阿里巴巴
校招算法工程师-搜索推荐
北京/杭州/上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1. 熟练掌握Java/C++/Python中至少一门语言，熟悉tensorflow或者pytorch至少一种机器学习常用框架；
- 2. 逻辑思维清晰，学习能力强，对新事物保有好奇心，并能快速适应新环境；良好的沟通能力和团队协同能力；能与他人合作，共同完成目标；遇事沉稳，不急不躁，心理素质过硬，有担当、有韧性，表达能力强。
- 【加分项】
- 1. 有相关推荐系统、机器学习、计算机视觉、数据挖掘等相关领域研究及实践经验优先；
- 2. 有相关顶级会议论文发表者优先；
- 3. 有相关竞赛经验并获奖者优先。
岗位描述
- 1. 参与并负责核心内容场景的各类算法，包括个性化推荐系统、内容生态构建、内容理解等核心算法能力；
- 2. 深度参与内容分发算法设计，提升流量匹配的效率和用户粘性；
- 3. 建设包括AGENT、RAG召回、粗排、精排、重排、混排等推荐算法，打造集团和业界一流的内容算法；
- 4. 参与设计多模态内容理解和推荐分发系统，推动解决内容的一致性和标准化问题；
- 5. 探索大语言模型（LLM）、多模态大模型、Agent及RAG技术在搜推领域的应用，利用SFT微调、强化学习（RLHF/DPO）、提示词工程等手段，提升对用户意图的深度理解及内容承接能力。
- 1. 熟练掌握Java/C++/Python中至少一门语言，熟悉tensorflow或者pytorch至少一种机器学习常用框架；
- 2. 逻辑思维清晰，学习能力强，对新事物保有好奇心，并能快速适应新环境；良好的沟通能力和团队协同能力；能与他人合作，共同完成目标；遇事沉稳，不急不躁，心理素质过硬，有担当、有韧性，表达能力强。
【加分项】
- 1. 有相关推荐系统、机器学习、计算机视觉、数据挖掘等相关领域研究及实践经验优先；
- 2. 有相关顶级会议论文发表者优先；
- 3. 有相关竞赛经验并获奖者优先。
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
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）
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
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
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
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
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。