岗位职责
- 负责推荐算法的设计、研发与迭代,覆盖召回、粗排、精排及重排等核心环节,提升推荐相关性、用户体验与业务转化效率。
- 结合用户行为、地理位置、时间、出行意图及供给信息,建设用户兴趣建模与场景理解能力,解决多场景兴趣迁移、行为稀疏、冷启动及长尾供给分发等问题。
- 建立从数据分析、模型训练、离线评估到在线 A/B 实验的优化闭环,与产品、工程及业务团队协作推进算法落地,兼顾效果、服务性能与长期用户价值。
- 针对本异地 X 时间等差异化需求,建设场景化兴趣建模与排序策略,平衡相关性、距离、多样性与探索性,提升用户的地点发现与决策效率。
职位要求
- 计算机、人工智能、数学、统计等相关专业本科及以上学历,具备扎实的数据结构、算法、概率统计与机器学习基础。
- 具备推荐、搜索或广告算法的研发与落地经验,熟悉召回、排序、用户建模等至少一个核心环节,能够独立完成问题分析、方案设计、实验验证与效果迭代。
- 熟悉深度学习与推荐系统常用方法,如向量召回、序列建模、多任务学习及多目标优化;熟练使用 PyTorch、TensorFlow 等至少一种框架,具备扎实的 Python 编程能力,了解 C++ 或 Java 者优先。
- 具备良好的数据分析与实验设计能力,理解离线指标与线上效果的差异,能够通过 A/B 实验验证方案,识别数据偏差并定位效果变化的原因。
- 具有用户价值导向和业务理解能力,能够将业务问题转化为可衡量的算法目标;具备主动推动、跨团队协作与持续学习能力。 加分项
- 有本地生活、电商商品推荐、LBS 或 POI 推荐经验;在稀疏行为建模、冷启动、地理时空建模、因果推断或长期价值优化方面有实际项目积累。
- 有大模型、多模态内容理解、生成式推荐或强化学习在推荐业务中的应用经验,能够结合真实场景完成技术验证与落地。
- 有大规模推荐系统研发经验,熟悉训练与推理性能优化;在推荐、搜索、机器学习相关领域有高质量论文或开源贡献。