岗位职责
- 探索纯模态（去ID化）在手淘冷启推荐场景的落地，提升冷启素材分发效率；
- 探索冷启动与跨域推荐，构建可迁移的统一素材冷启推荐模型框架，实现多场景高效迁移与复用；
- 优化多模态基座（PreTrain/SFT）及训练推理效率，提高资源利用率，降低训练时长与显存占用；
- 结合以上研究沉淀方法，撰写发表论文，并与业界/学界保持交流。
职位要求
- 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生；
- 熟悉多模态表征学习及搜广推召回/排序应用建模，有多模态预训练/SFT/应用实践经验者优先；
- 熟练掌握Tensorflow、Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力；
- 良好的逻辑分析能力和数理基础，对算法原理及应用有较深入的理解，在人工智能相关的各类国际顶级会议/期刊中发表过论文者优先。
