课题详情： 我们正在寻找一位对大模型与搜索系统充满热情、具备顶尖科研能力和创新能力的校招硕士和博士，加入元宝搜索部，投身下一代 LLM 原生搜索引擎技术的研究。不同于在传统级联架构上做局部优化，本课题致力于用大模型技术从底层重塑「内容理解—表征—召回—排序」全链路，以 Gist 统一语义表征贯穿全链路并极致压缩计算，构建 rubrics-based 一体化排序模型，并突破 Agent 驱动的自我进化范式。 你将攻克 AI 搜索场景下排序能力的深水区难题（相关、真实、权威可信），在成本、效果与长期迭代效率上建立结构性优势，推动研究成果在亿级流量业务上落地。 课题要求： 1、计算机、人工智能、数学等相关专业硕士和博士，重点关注在信息检索 (IR)、自然语言处理 (NLP)、大模型对齐/强化学习领域有深厚学术积累或顶会顶刊论文发表（如 SIGIR、ACL、NeurIPS、ICLR、KDD、WWW）的同学，有 RAG、Learning-to-Rank、Reward Modeling 方向研究经历者优先； 2、熟练掌握 PyTorch / DeepSpeed 及主流大模型架构，深入理解 RAG、LTR 排序、蒸馏、RLHF/DPO/GRPO 等训练范式，了解 embedding 表征学习、对比学习、rubric/reward 建模，精通 Python/C++，具备优秀的底层算子优化、KV Cache / 推理加速、大规模分布式训练与检索性能调优能力者优先； 3、具备极强的逻辑思维与自驱动力，能敏锐捕捉前沿技术并转化为业务落地，拥有出色的抗压能力与团队协作精神，能在复杂业务场景下高效沟通，对解决算法落地中的硬核工程—科研双重挑战充满激情。