shopee｜【实习】AI-AI 算法工程师 (商品理解方向) -BJ/SH

职责 1. 同款判别模型建设（核心）：负责跨类目、多粒度（SKU/ITEM）商品同款判别模型的设计与迭代，提升细粒度语义与图文多模态的对比判别能力，降低误判、漏判； 2. 规则知识注入：构建结构化的类目对比维度与判别规则体系，注入 LLM 基座，让模型学会细分场景的专属判别逻辑； 3. 后训练与 Agentic RL：负责开源基模（Qwen、Kimi 等）的 SFT/DPO 后训练，探索 GRPO/DAPO 落地，含 reward 设计与训练稳定性优化，双向优化准召； 4. 后训练数据体系：负责 CoT 数据精标、线上难例与正负样本对挖掘、强模型标注与合成，搭建数据生成与质检 pipeline； 5. 轻量化上线：通过知识蒸馏与结构剪枝，在精度几乎无损下支撑百亿级商品、千万级 SKU 的高并发低延迟部署； 6. 评测与迭代：建设评测口径与 badcase 归因，通过线上 AB 验证收益并驱动迭代。

1. 计算机、人工智能或相关专业本科及以上学历； 2. 熟悉 PyTorch 与 LLM 训练全流程，理解 SFT/GRPO/DPO 的原理与实践细节； 3. 熟悉 LLM prompt 工程，理解电商商品理解/相关性/匹配类任务的核心问题，有细粒度语义判别或商品对比相关经验优先； 4. 具备扎实的数据处理能力，能独立完成大规模训练数据（尤其 CoT / 偏好数据）的构造、清洗与质检； 5. 良好的实验习惯：对照设计、消融分析、指标口径（准召/F1）严谨；具备独立的线上迭代与数据分析能力。 加分项 1. 有训练框架（verl、LLaMA-Factory、Megatron、DeepSpeed 等）实际使用或二次开发经验； 2. 有 Agentic RL / RLHF 实战经验：跑过 GRPO/DAPO 完整训练、设计过多维复合 reward、处理过训练不稳定（reward hacking、熵塌缩、RL 冲毁冷启动推理逻辑等）问题； 3. 有大模型知识蒸馏（Logits/Feature 蒸馏）与结构剪枝（词表/深度/宽度剪枝）、大模型高并发低延迟推理部署经验； 4. 有多模态商品理解（图文统一表征、Semantic ID / 生成式召回）或电商搜广推大规模项目落地经验； 5. 有同款/相关性判别、规则知识结构化注入、LLM-as-Judge 评测体系或 badcase 自动归因工具建设经验； 6. 在 NLP/ML/CV 顶会（ACL/EMNLP/NeurIPS/ICLR/ICML/CVPR/AAAI 等）发表过论文，或有高质量开源项目。