岗位职责
- 负责个性化计算与推荐/搜索系统的算法设计与优化，将用户行为、偏好、上下文等信号引入大模型与多模态模型中；
- 参与大模型后训练（Post-Training）体系建设，包括但不限于SFT/Reward Modeling/RLHF/RLAIF；
- 利用用户在线反馈（点击、停留、转化、偏好选择等）构建Reward信号，驱动LLM/多模态生成模型的持续优化；
- 设计并实现基于强化学习（RL）或对比学习的优化策略，用于提升生成质量、用户满意度和业务指标；
- 与产品、工程、运营等多团队合作，推动个性化大模型在真实业务场景中的落地和迭代。
职位要求
- 扎实的编程能力，机器学习基础知识扎实，对解决具有挑战性问题充满激情；
- 关心产品体验，逻辑感强，善于思考，数据与客观事实驱动，具备良好的工程与算法协作能力，积极主动、有责任感，能与团队高效沟通和合作；
- 推荐/搜索/广告/机器学习相关背景，3年及以上算法相关工作经验，在个性化建模或推荐系统方向有扎实积累；在以下至少一个方向有深入研究或实战经验： 1）搜索/推荐系统 2）大语言模型（LLM）或多模态大模型 3）个性化生成（Personalized Generation）；
- 熟悉或参与过大模型后训练（Post-Training）流程，包括但不限于： 1）SFT（Supervised Fine-tuning） 2）Reward Model训练 3）RLHF/RL-based Optimization；
- 能够基于用户在线行为与反馈数据，构建有效的Reward/Preference信号，并将其用于LLM/生图模型的优化；
- 对强化学习（RL）、对比学习、排序学习等方法有理解，并能将其应用于生成模型或推荐/搜索场景。
