部门介绍
【 】 我们是AIDC推荐算法团队，聚焦大规模推荐系统核心算法研发，面向复杂推荐场景持续探索下一代推荐建模范式。团队重点关注推荐系统从传统多阶段链路向统一端到端建模优化，围绕召回&排序一体化、以及 Scaling Law 在推荐中的落地应用。 在这里，你将接触真实大规模工业推荐场景，参与从模型设计、训练优化到业务落地的完整闭环；同时，我们也鼓励前沿探索，支持在顶会顶刊上进行成果沉淀。 【
岗位职责
】
- 探索推荐系统端到端建模方法，研究如何统一召回、排序，实现跨阶段统一建模、统一目标与统一优化；
- 探索推荐模型的 Scaling law，建立可指导模型设计与训练的经验规律；
- 结合真实推荐场景，开展大规模离线实验，推动模型在效果、效率和可部署性上的综合提升；
- 跟进推荐系统相关论文的最新进展，进行论文复现、技术创新与成果沉淀。
职位要求
- 计算机、人工智能、统计、数学等相关专业；
- 掌握 PyTorch / TensorFlow 等至少一种框架，具备独立开展实验与分析结果的能力；
- 对以下方向之一有研究兴趣或实践经验：端到端建模、序列建模、生成式建模、大模型应用；
- 具备较强的研究兴趣与技术自驱力，阅读前沿论文并推进技术落地。 【加分项】
- 有推荐系统、搜索/广告、信息检索相关研究或实习经历；
- 有端到端建模、生成式推荐、用户序列建模、大模型应用等相关经验；
- 在顶会顶刊发表论文、参与高水平竞赛或有高质量开源项目贡献者优先。
