微信搜索-大模型算法工程师-搜索 Planner 方向

负责搜索 Planner 的算法设计与研发，基于大模型构建 query 理解与改写系统，覆盖纠错、归一化、意图补全、语义扩展等场景；

设计并构建 SFT / RLHF / DPO 训练数据 pipeline，包括数据采集、蒸馏、质量过滤与模板组装，探索数据合成等 AI-Native 数据生产方式；

攻关大模型训练与对齐的关键难题，包括输出长度偏差、类别不平衡、训练-推理分布一致性等；

设计高效推理链路，包括 constrained decoding、early stopping、多路改写并行召回，结合量化、KV Cache 优化等手段平衡效果与时延；

以端到端业务指标为北极星，建立并持续优化评估体系，负责效果调优与 bad case 治理，形成评估、优化、上线、反哺的闭环。

计算机、人工智能、数学等相关专业，硕士及以上学历，2 年以上大模型 / NLP / 搜索相关经验；

深入理解 Transformer 架构与大模型技术栈，包括注意力机制、KV Cache、预训练与后训练（SFT / RLHF / DPO）、量化与推理优化；

有大模型训练实操经验，熟悉 LoRA / QLoRA、分布式训练、DeepSpeed 等，能独立完成微调与对齐；

AI-Native 工作方式，熟练运用 AI 编程工具与自动化 pipeline，能快速搭建数据、训练、评测的自动化链路；

精通 Python 与 PyTorch，具备良好的工程落地能力与业务 sense，以端到端效果为导向。 加分项

有搜索 query 理解、query 改写、语义召回等大模型落地经验；

熟悉大模型推理框架（vLLM / SGLang）与 constrained decoding、speculative decoding 等加速技术；

有 RLHF / DPO / On-Policy Distillation（OPD）等对齐方法实操经验；

熟悉 Qwen、DeepSeek 等开源模型的微调、量化与部署；

在 ACL / EMNLP / NeurIPS / ICLR / SIGIR / KDD 等会议发表过相关论文。