【蚂蚁星】向量检索工程师-平台技术（实习）

岗位职责

1.负责开源向量检索库 VSAG 的算法设计和开发，以及在搜推广、AI 知识/记忆等业务上的落地； 2.负责 ANN(Approximate Nearest Neighbor) 算法的设计和验证，结合软硬件实现大容量、高吞吐、高召回、低成本的向量检索算法，持续构建业界领先的产品竞争力； 3.跟进 RAG/AIGC 的前沿技术研究，探索向量检索在 LLM 大模型场景中的应用。

你将负责什么？ 智能融合：设计图谱与向量的融合重排算法，让语义与事实互补，实现1+1>2的召回效果。 极致效率：优化亿级混合检索性能，攻克系统瓶颈，将端到端延迟压缩至毫秒级以支撑实时场景。 召回边界：设计创新召回策略，结合向量泛化与图谱推理，解决复杂、模糊查询下的知识发现难题。

任职要求

1. 熟练掌握 C++/Python 编程语言，熟练掌握常用数据结构及算法，具备 AI Coding 能力，熟练使用 Coding Agent（如 GPT、Claude 等）；
2. 具备向量检索算法、数学、统计学等方向理论基础，熟悉聚类（如k-means）、量化压缩（如 PQ/SQ/RabitQ）、索引（如 IVFPQ、HNSW、NSG、DiskANN）等算法者优先；
3. 具有向量检索算法开发经验，或熟悉主流向量检索项目（faiss/milvus/weaviate/qdrant）优先。

特色标签

AI生成内容、ANN检索、C/C++、Hierarchical Navigable Small World、IVF-PQ、Python、RAG检索增强生成、VSAG向量检索库、人工智能内容生成、倒排乘积量化、分层可导航小世界、召回最大化、向量搜索、图谱推理、大模型、大模型算法、大语言模型、开源VSAG库、推荐、推荐算法、搜索、搜索算法、数据挖掘、检索增强生成、模型加速/性能优化、深度学习、知识图谱、算法工程化经验、近似最近邻、近似最近邻搜索、近似最近邻算法、近似近邻、高召回率