Applied Scientist (2026-27 Campus, International Technology Team), Beijing

北京职位 - 如果希望在北京工作，请投递本职位。

毕业时间：2026年10月 - 2027年9月之间毕业的应届毕业生
· 投递须知：
1 填写简历申请时，请把必填和非必填项都填写完整。提交简历之后就无法修改了哦！
2 学校的英文全称请准确填写。中英文对应表，请点击链接查看 https://docs.qq.com/sheet/DVmdaa1BCV0RBbnlR?tab=BB08J2
3 简历不限中英文。

如果您正在攻读自然语言处理（NLP）、信息检索（IR）、机器学习、生成式人工智能或相关方向的硕士或博士学位，并希望将前沿科学研究转化为服务真实客户的产品，我们诚挚邀请您加入亚马逊 International Technology 搜索团队。
我们的目标是帮助亚马逊客户更准确地找到所需商品，并发现符合其需求和兴趣的新商品。您每天的工作都将直接影响全球数百万客户的购物体验。团队使用 TB 级商品、查询和客户行为数据，持续推进搜索、推荐、自然语言理解以及生成式 AI 技术的发展。
在这个岗位中，您将研究并应用 NLP、IR、深度学习、大语言模型（LLM）和基础模型等前沿技术，解决搜索理解、相关性排序、语义匹配、个性化和对话式购物等问题。您将有机会探索预训练、监督微调（SFT）、参数高效微调、检索增强生成（RAG）、提示优化和智能体（Agent）等技术，并针对业务场景建立可靠的离线与在线评估方法。
您将与应用科学家、软件工程师和产品经理密切合作，完成从问题定义、数据分析、算法设计和实验验证，到模型部署、在线测试和持续迭代的完整闭环。您需要根据客户价值和业务目标选择合适的技术方案，并在模型质量、可靠性、安全性、推理延迟和计算成本之间做出合理权衡。


Key job responsibilities
Key job responsibilities
· 针对 Amazon 搜索和购物体验中的实际问题，提出可验证的科学假设，设计并实现机器学习、NLP、IR 或 LLM 解决方案。
· 使用大规模商品、查询和客户行为数据训练、微调和评估模型，建立可重复的实验与评估流程。
· 探索基础模型在搜索、推荐和对话式购物中的应用，包括 RAG、模型微调、提示优化和 Agent 等方向。
· 设计覆盖相关性、事实性、鲁棒性、安全性、延迟和成本的评估指标，并通过离线实验、A/B 测试和客户反馈验证效果。
· 与工程和产品团队合作，将原型转化为可扩展、可维护的生产系统，并持续分析和改进线上表现。
· 跟踪学术界和工业界的最新进展，形成技术文档，并在适当情况下向内部或外部科学社区分享研究成果。

基本要求
· 正在攻读或已获得计算机科学、计算机工程、机器学习、人工智能、运筹学、统计学或相关领域的硕士或博士学位。
· 具备机器学习或深度学习的基础知识，以及实验设计、统计分析和模型评估经验。
· 具备使用代码和工具实现、训练和评估算法的经验。
· 至少熟练使用一种编程语言，例如 Python、Java 或 C++。
· 了解 NLP、IR、推荐系统或生成式 AI 中至少一个方向的基本方法。

优先条件
· 在 NLP、IR、机器学习、数据挖掘或生成式 AI 相关顶级会议或期刊发表过论文，或有高质量研究项目经历。
· 熟悉 Transformer、LLM 或基础模型，并具有预训练、监督微调（SFT）、参数高效微调、偏好优化或推理优化中的一种或多种实践经验。
· 具有 RAG、向量检索、Embedding、语义匹配、Agent 或工具调用系统的研究或开发经验。
· 熟悉 PyTorch、TensorFlow 等深度学习框架，以及 Hugging Face Transformers 等常用 LLM 工具链。
· 具有搜索引擎或推荐系统经验，尤其是在索引、召回、排序、查询理解、个性化或在线实验方面。
· 具有 LLM 评估经验，能够从相关性、事实性、幻觉、鲁棒性、安全性、延迟和成本等维度衡量系统质量。
· 具有大规模数据处理、分布式训练、模型压缩或高效推理经验。
· 具备良好的批判性思维和技术沟通能力，能够清楚地解释模型选择、实验结果及其局限性，并与跨职能团队合作解决开放性问题。